spark windows环境下spark安装和运行(2)

二，开发篇
下面介绍本地spark开发的示例，虽然spark是处理大数据的，常常在大型计算机集群上运行，但本地spark方便调试，可以帮助我们学习相关的语法。maven构建工具的开发流程可以参看：https://blog.csdn.net/u012373815/article/details/53266301

打开idea, file=>new=>project=>选择scala工程，选择IDEA=>输入工程名(如test)，路径，JDK选刚刚安装的1.8，scala SDK选刚刚安装的scala-sdk-2.11.8(或者点右边的create，选择你想要的版本下载)=>finish

 

 

再src上右键=>new=>scala class=>选下拉框scala object，输入类名。

输入测试代码，这是一段分组排序的代码：

import org.apache.spark.{SparkContext,SparkConf}
object Sort {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf().setAppName("GroupSort")
    val sc = new SparkContext(conf)
    val test =List(("key1","123",12,2,0.13),("key1","123",12,3,0.18),("key2","234",12,1,0.09),("key1","345",12,8,0.75),("key2","456",12,5,0.45))
    val rdd = sc.parallelize(test)
 
    val rdd1= rdd.map(l => (l._1, (l._2, l._3, l._4, l._5))).groupByKey()
      .flatMap(line => {
        val topItem = line._2.toArray.sortBy(_._4)(Ordering[Double].reverse)
          topItem.map(f=>(line._1,f._1,f._4)).toList
      })
    rdd1.foreach(println)
 
    sc.stop()
  }
}
设置本地模式：run=>edit configrations=>Application=>选择我们应用，VM options上添加-Dspark.master=local -Dspark.app.name=test

包含spark和scala sdk: 工程目录右键=>open module settings=> project settings=> libraries=>"+"=>java=>选择spark安装目录下的jars文件夹=>确认。同样地，“+”=>scala sdk =>选择需要的scala sdk(与spark版本对应的sdk)=>确认。

运行代码：

三，问题集锦：
1, import org.apache.spark.SparkContext引入了包，但下面代码connot resolve symbol SparkContext.（IDEA环境下,maven工程）

问题检查：工程目录右键->open module setting->project setting->libraries，发现左侧没有包含任何依赖库。

解决方法：如果是maven工程，则工程目录右键->maven->reimport。这个时候会自动下载相关依赖。相关依赖在.m2的repository文件夹下。如果是普通scala工程，按前面“开发篇”介绍的：工程目录右键=>open module settings=> project settings=> libraries=>"+"=>java=>选择spark安装目录下的jars文件夹=>确认。同样地，“+”=>scala sdk =>选择需要的scala sdk(与spark版本对应的sdk)=>确认。

思考：maven真的很强大，比如安装了scala插件后，不许要安装scala JDK，直接利用maven pom.xml配置好scala的版本，自动下载相应的scala的包。这样做有利于大型工程协助，同一个pom.xml文件可以保证大家都在同样的依赖库环境下开发。

 

2, 全局变量要谨慎，尤其是Buffer类型，因为你不知道它可能被塞进多少东西，除非你真的需要。

例如：

val data_set: RDD[(String, String, Int, Int)] = raw_rdd.map(generate_instance_per_line(_, configure))

其中generate_instance_per_line函数里对一个globalListBuffer全局变量进行了append操作，那么每一个map都会执行一次append.

 

 

3, SparkException: An application name must be set in your configuration

解决方法:

进入:Run > Edit Configurations... > Application > "My project name" > Configuraton,

设置VM options项为-Dspark.master=local.

-Dspark.master=local:表示设置我的spark程序以local模式运行

 

4，java.lang.NoClassDefFoundError: org/apache/spark/SparkContext

import  org.apache.spark.SparkConf没有报错，但运行时报上面NoClassDefFoundError错误。

解决办法：maven工程build的包有provided和compile两种模式，provided用于：运行环境已经有了相应的包，所以没有必要在build时把相关的包打包进来，减少jar包的体积。本地运行时，需要把provide改成complie。或者IDEA提供了更方便的做法：