spark-windows（含eclipse配置）下本地开发环境搭建

spark-windows（含eclipse配置）下本地开发环境搭建

 

>>>>>>注意：这里忽略jdk的安装，jdk要求是1.8及以上版本,请通过 java  –version查看。

一、spark命令行环境搭建

step1：安装spark

到官网选择相应版本，下载安装包。我这里下的是2.1.3版本，后面安装的hadoop版本需要跟spark版本对应。下载后找个合适的文件夹解压即可。这里新建了一个home文件夹，底下放了spark, hadoop解压后的目录：

other_jars 是用来存放一些自己开发中用到的jar包

 

 

解压之后配置环境变量，将spark底下的bin文件所在的目录添加到环境变量的path变量中，后面hadoop也一样。 

配置spark_home

 

 

配置path  d:\home\spark-2.1.3-bin-hadoop2.7\bin;

也可以使用spark_home

  

到这里spark算是安装成功。

 

step2：安装hadoop

到下载相应版本的hadoop安装包，我下的是2.7.7。具体的spark和hadoop版本对应可以到网上查，spark和hadoop版本不一致可能会导致出问题。

 

 

将下载好的安装包进行解压，然后将hadoop下的bin目录配置到path变量中。

为了防止运行程序的时候出现nullpoint异常，到github下载 winutils.exe 下载地址：

找到对应的hadoop版本，然后进入bin目录下，下载winutils.exe, 然后复制到hadoop的bin目录下。

 

 

系统环境变量配置：

 hadoop_home:

  

 

path:  $haddop_home$\bin

 

 

step3：安装scala

到官网下载镜像，然后安装即可。一般默认会自动配置好环境变量。安装好之后打开cmd测试，输入scala，如果出现以下内容则安装成功。(这里安装的是2.12.6版本)

 

 如果没有成功，检查一下path环境变量，如果安装之后没有自动配置，则手动配置，参照spark的环境配置。 

如下图则表示命令行环境配置成功:

 

 

二、eclipse配置

2.1、使用spark-assembly-*.jar包配置eclipse

新建一个java项目导入spark-assembly-*.jar包作为工程的第三方依赖包即可

2.2、使用已配置好的spark环境配置eclipse

spark2.0以后版本不在提供spark-assembly-*.jar 包；

则将spark环境目录下jars目录的jar包导入即可。

我本地的路径：d:\home\spark-2.1.3-bin-hadoop2.7\jars

 

 

 

注意：该方法，在我本地没有成功一直缺少各种jar包，我本地使用2.1的方法；jar包的路径为spark-assembly-1.6.1-hadoop2.6.0.jar 下载地址：

https://download.csdn.net/download/miss_peng/10472450

2.3、可能遇到的一些问题

2.3.1、system memory 259522560 must be at least 4.718592e8. please use a larger heap size.

a、问题：

在eclipse里开发spark项目，尝试直接在spark里运行程序的时候，遇到下面这个报错：

error sparkcontext: error initializing sparkcontext.

java.lang.illegalargumentexception: system memory 468189184 must be at least 4.718592e8. please use a larger heap size.

 

b、解决办法：

有2个地方可以设置

1. 自己的源代码处，可以在conf之后加上：

    val conf = new sparkconf().setappname("word count")

    conf.set("spark.testing.memory", "2147480000")//后面的值大于512m即可

2. 可以在eclipse的run configuration处，有一栏是arguments，下面有vmarguments，在下面添加下面一行(值也是只要大于512m即可)

-dspark.testing.memory=1073741824

其他的参数，也可以动态地在这里设置，比如-dspark.master=spark://hostname:7077

再运行就不会报这个错误了。

解决：

1)、window——preference——java——installed jres——选中一个jre 后

2)、edit在default vm arguments 里加入：-xmx512m

 

 

2.4 测试成功jar包截图

 这里的截图是在另外一台机子上配置的环境，用的jar目录会有所区别，但是不影响。

 

这里ojdbc6.jar 是为了链接数据库使用的jar包，需要根据不同环境自行修改

 

2.5 完整测试代码

 

package spark.jdbc.oracle;

 

import java.math.bigdecimal;   

 

import java.sql.connection;

import java.sql.drivermanager;

import java.sql.sqlexception;

import java.util.hashmap;

import java.util.iterator;

import java.util.map;

 

import org.apache.spark.sparkconf;

import org.apache.spark.api.java.javapairrdd;

import org.apache.spark.api.java.javasparkcontext;

import org.apache.spark.api.java.function.pairfunction;

import org.apache.spark.rdd.jdbcrdd.connectionfactory;

import org.apache.spark.sql.dataframe;

import org.apache.spark.sql.dataframereader;

import org.apache.spark.sql.row;

import org.apache.spark.sql.sqlcontext; 

import scala.tuple2;

 

public class testconn {

    private static final string username = "scott";

    private static final string password = "tiger";

    private static final string driver = "oracle.jdbc.oracledriver";

    private static final string url = "jdbc:oracle:thin:@localhost:1521/orcl2";

    private static final string dbtable = "scott.emp"; //emp

   

    connection conn = null;

    connectionfactory connf = null;

    // java.lang.classnotfoundexception: org.apache.commons.configuration.configuration

    public connection getconn(){

       try {

           class.forname(driver);

           conn = drivermanager.getconnection(url,username,password);

           //connf = new connectionfactory(conn);

           system.out.println("orcl2 链接成功");

       } catch (classnotfoundexception e) {

           // todo auto-generated catch block

           e.printstacktrace();

       }catch (sqlexception e) {

           // todo auto-generated catch block

           e.printstacktrace();

       }

       return conn;

    }

   

    public void releaseresouce(){

       if(conn != null){

           try {

              conn.close();

              system.out.println(conn+" 连接关闭");

           } catch (sqlexception e) {

              // todo auto-generated catch block

              e.printstacktrace();

           }

       }else{

           system.out.println("连接已经关闭");

       }

    }

   

    public static void main(string[] args) {

       // todo auto-generated method stub

       testconn testconn = new testconn();

       system.out.println(testconn.getconn());

      

       //初始化

       sparkconf conf = new sparkconf().setappname("conn_orcl").setmaster("local");

       conf.set("spark.testing.memory","2147480000");      

       javasparkcontext jsc  = new javasparkcontext(conf);

       sqlcontext sqlcontext = new sqlcontext(jsc);

      

       //设置数据库连接参数

       map<string,string> connargs = new hashmap<string,string>();

       connargs.put("url", testconn.url);

       connargs.put("user", testconn.username);

       connargs.put("password", testconn.password);

       connargs.put("driver", testconn.driver);

       connargs.put("dbtable", testconn.dbtable);

       dataframereader dfreader = sqlcontext.read().format("jdbc").options(connargs);

       dataframe df = dfreader.load();

       df.show();

       system.out.println("df schema :  ");

       df.printschema();

       df.select("hiredate").show();

      

       system.out.println();

       system.out.println("---------------------to table--------------------");

       df.registertemptable("emp");      

       dataframe dfsql = sqlcontext.sql("select job,sal from emp");

       system.out.println("dfsql  :  ");

       dfsql.show();

 

      

       javapairrdd<string,bigdecimal> jprdd = dfsql.tojavardd().maptopair(new pairfunction<row,string,bigdecimal>(){

           /**

            *

            */

           private static final long serialversionuid = 1l;

          

           @override

           public tuple2<string, bigdecimal> call(row r) throws exception {

              // todo auto-generated method stub

              /*system.out.println("row : ");          

              system.out.println(r);*/

              tuple2<string, bigdecimal> t2 = new tuple2<string, bigdecimal>((string) r.get(0),(bigdecimal)r.get(1));

              return t2;

           }

          

       });   

       system.out.println("jprdd  :  ");

       system.out.println(jprdd.collect());

      

       javapairrdd<string, iterable<bigdecimal>> jprdd2 = jprdd.groupbykey();

       system.out.println("jprdd2  :  ");

       system.out.println(jprdd2.collect());

      

       javapairrdd<string, double> jprdd3 = jprdd2.maptopair(new pairfunction<tuple2<string, iterable<bigdecimal>>,string,double>(){

          

           /**

            *

            */

           private static final long serialversionuid = 1l;

 

           @override

           public tuple2<string, double> call(

                  tuple2<string, iterable<bigdecimal>> t) throws exception {

              // todo auto-generated method stub

              double sum = 0;

              iterator<bigdecimal> it = t._2.iterator();

              while(it.hasnext()){

                  sum += double.valueof(it.next().tostring());

              }

              tuple2<string, double> t2 = new tuple2<string, double>(t._1,sum);

             

              system.out.println(t._1+" : "+sum);

              return t2;

           }         

       });

      

       system.out.println("jprdd3  :  ");

        system.out.println(jprdd3.collect());

      

    }

}

 

代码执行情况：

 

 

 

三、参考文档