介紹了如何使用Maven編譯生成可直接運行在Hadoop 2.2.0上的Spark jar包，而本文則在此基礎上， 介紹如何利用Eclipse構建Spark集成開發環境 。 不建議大家使用eclipse開發spark程序和閱讀源代碼，推薦使用Intellij IDEA，具體參考文章： Apache Spark探秘：利用Intellij IDEA構建開發環境 。

（1）?準備工作

在正式介紹之前，先要以下軟硬件準備：

軟件準備：

Eclipse Juno版本（4.2版本），可以直接點擊這里下載：Eclipse 4.2

Scala 2.9.3版本，Window安裝程序可以直接點擊這里下載：Scala 2.9.3

Eclipse Scala IDE插件，可直接點擊這里下載：Scala IDE(for Scala 2.9.x and Eclipse Juno)

硬件準備

裝有Linux或者Windows操作系統的機器一臺

（2）?構建Spark集成開發環境

我是在windows操作系統下操作的，流程如下：

步驟1：安裝scala 2.9.3：直接點擊安裝即可。

步驟2：將Eclipse Scala IDE插件中features和plugins兩個目錄下的所有文件拷貝到Eclipse解壓后對應的目錄中

步驟3：重新啟動Eclipse，點擊eclipse右上角方框按鈕，如下圖所示，展開后，點擊“Other….”，查看是否有“Scala”一項，有的話，直接點擊打開，否則進行步驟4操作。

步驟4：在Eclipse中，依次選擇“Help” –> “Install New Software…”，在打開的卡里填入http://download.scala-ide.org/sdk/e38/scala29/stable/site，并按回車鍵，可看到以下內容，選擇前兩項進行安裝即可。（由于步驟3已經將jar包拷貝到eclipse中，安裝很快，只是疏通一下）安裝完后，重復操作一遍步驟3便可。

（3）?使用Scala語言開發Spark程序

在eclipse中，依次選擇“File”?–>“New”?–> “Other…”?–>? “Scala Wizard” –>?“Scala Project”，創建一個Scala工程，并命名為“SparkScala”。

右擊“SaprkScala”工程，選擇“Properties”，在彈出的框中，按照下圖所示，依次選擇“Java Build Path” –>“Libraties” –>“Add External JARs…”，導入文章“Apache Spark學習：將Spark部署到Hadoop 2.2.0上”中給出的

assembly/target/scala-2.9.3/目錄下的spark-assembly-0.8.1-incubating-hadoop2.2.0.jar，這個jar包也可以自己編譯spark生成，放在spark目錄下的assembly/target/scala-2.9.3/目錄中。

跟創建Scala工程類似，在工程中增加一個Scala Class，命名為：WordCount，整個工程結構如下：

WordCount就是最經典的詞頻統計程序，它將統計輸入目錄中所有單詞出現的總次數，Scala代碼如下：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

import org.apache.spark._ import SparkContext._ object WordCount { ??def main(args: Array[String]) { ????if (args.length != 3 ){ ??????println("usage is org.test.WordCount <master> <input> <output>") ??????return ????} ????val sc = new SparkContext(args(0), "WordCount", ????System.getenv("SPARK_HOME"), Seq(System.getenv("SPARK_TEST_JAR"))) ????val textFile = sc.textFile(args(1)) ????val result = textFile.flatMap(line => line.split("\\s+")) ????????.map(word => (word, 1)).reduceByKey(_ + _) ????result.saveAsTextFile(args(2)) ??} }

在Scala工程中，右擊“WordCount.scala”，選擇“Export”，并在彈出框中選擇“Java” –> “JAR File”，進而將該程序編譯成jar包，可以起名為“spark-wordcount-in-scala.jar”，我導出的jar包下載地址是?spark-wordcount-in-scala.jar。

該WordCount程序接收三個參數，分別是master位置，HDFS輸入目錄和HDFS輸出目錄，為此，可編寫run_spark_wordcount.sh腳本：

# 配置成YARN配置文件存放目錄

export YARN_CONF_DIR=/opt/hadoop/yarn-client/etc/hadoop/

SPARK_JAR=./assembly/target/scala-2.9.3/spark-assembly-0.8.1-incubating-hadoop2.2.0.jar \

./spark-class org.apache.spark.deploy.yarn.Client \

–jar spark-wordcount-in-scala.jar \

–class WordCount \

–args yarn-standalone \

–args hdfs://hadoop-test/tmp/input \

–args hdfs:/hadoop-test/tmp/output \

–num-workers 1 \

–master-memory 2g \

–worker-memory 2g \

–worker-cores 2

需要注意以下幾點：WordCount程序的輸入參數通過“-args”指定，每個參數依次單獨指定，第二個參數是HDFS上的輸入目錄，需要事先創建好，并上傳幾個文本文件，以便統計詞頻，第三個參數是HDFS上的輸出目錄，動態創建，運行前不能存在。

直接運行run_spark_wordcount.sh腳本即可得到運算結果。

在運行過程中，發現一個bug，org.apache.spark.deploy.yarn.Client有一個參數“–name”可以指定應用程序名稱：

但是使用過程中，該參數會阻塞應用程序，查看源代碼發現原來是個bug，該Bug已提交到Spark jira上：

1 2 3 4 5 6 7 8 9 10 11 12

// 位置：new-yarn/src/main/scala/org/apache/spark/deploy/yarn/ClientArguments.scala ????????case ("--queue") :: value :: tail => ??????????amQueue = value ??????????args = tail ????????case ("--name") :: value :: tail => ??????????appName = value ??????????args = tail //漏了這行代碼，導致程序阻塞 ????????case ("--addJars") :: value :: tail => ??????????addJars = value ??????????args = tail

因此，大家先不要使用“–name”這個參數，或者修復這個bug，重新編譯Spark。

（4）?使用Java語言開發Spark程序

方法跟普通的Java程序開發一樣，只要將Spark開發程序包spark-assembly-0.8.1-incubating-hadoop2.2.0.jar作為三方依賴庫即可。

（5）?總結

初步試用Spark On YARN過程中，發現問題還是非常多，使用起來非常不方便，門檻還是很高，遠不如Spark On Mesos成熟。

總結

以上是生活随笔為你收集整理的Apache Spark学习：利用Eclipse构建Spark集成开发环境的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。