IDEA连接Spark集群执行Scala程序
前言
接下来下定决心好好学习Spark了。。。ps：关于Spark安装和使用以及Spark分布式集群环境搭建，请见参考内容1-4，这里就不作阐述了。
步骤
-
首先安装Scala插件，File->Settings->Plugins，搜索出Scla插件，点击Install安装；
-
File->New Project->maven，新建一个Maven项目，填写GroupId和ArtifactId；
-
编辑pom.xml文件，添加项目所需要的依赖：前面几行是系统自动生成的，我们只需要从
<version>1.0-SNAPSHOT</version>之后开始添加就行。关于spark.version和scala.version需要在服务器通过启动spark-shell查询。<?xml version="1.0" encoding="UTF-8"?> <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd"> <modelVersion>4.0.0</modelVersion> <groupId>test</groupId> <artifactId>SparkPi</artifactId> <version>1.0-SNAPSHOT</version> <properties> <spark.version>2.4.4</spark.version> <scala.version>2.11</scala.version> </properties> <repositories> <repository> <id>nexus-aliyun</id> <name>Nexus aliyun</name> <url>http://maven.aliyun.com/nexus/content/groups/public</url> </repository> </repositories> <dependencies> <dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-core_${scala.version}</artifactId> <version>${spark.version}</version> </dependency> <dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-streaming_${scala.version}</artifactId> <version>${spark.version}</version> </dependency> <dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-sql_${scala.version}</artifactId> <version>${spark.version}</version> </dependency> <dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-hive_${scala.version}</artifactId> <version>${spark.version}</version> </dependency> <dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-mllib_${scala.version}</artifactId> <version>${spark.version}</version> </dependency> </dependencies> <build> <plugins> <plugin> <groupId>org.scala-tools</groupId> <artifactId>maven-scala-plugin</artifactId> <version>2.15.2</version> <executions> <execution> <goals> <goal>compile</goal> <goal>testCompile</goal> </goals> </execution> </executions> </plugin> <plugin> <artifactId>maven-compiler-plugin</artifactId> <version>3.6.0</version> <configuration> <source>1.8</source> <target>1.8</target> </configuration> </plugin> <plugin> <groupId>org.apache.maven.plugins</groupId> <artifactId>maven-surefire-plugin</artifactId> <version>2.19</version> <configuration> <skip>true</skip> </configuration> </plugin> </plugins> </build> </project> -
File->Project Structure->Libraries，选择和Spark运行环境一致的Scala版本
-
File->Project Structure->Modules，在src/main/下面增加一个scala文件夹，并且设置成source文件夹
-
在scala文件夹下面新建一个scala文件SparkPi
SparkPi文件的代码如下：其中，setMaster用来指定spark集群master的位置；setJars用来指定程序jar包的位置，此位置在下面1步中添加程序jar包的output directory可以看到。import scala.math.random import org.apache.spark._ object SparkPi { def main(args: Array[String]) { val conf = new SparkConf().setAppName("Spark Pi").setMaster("spark://222.201.187.178:7077").setJars(Seq("E:\\IdeaProjects\\SparkPi\\out\\artifacts\\SparkPi_jar\\SparkPi.jar")) val spark = new SparkContext(conf) val slices = if (args.length > 0) args(0).toInt else 2 println("Time:" + spark.startTime) val n = math.min(1000L * slices, Int.MaxValue).toInt // avoid overflow val count = spark.parallelize(1 until n, slices).map { i => val x = random * 2 - 1 val y = random * 2 - 1 if (x*x + y*y < 1) 1 else 0 }.reduce(_ + _) println("Pi is roughly " + 4.0 * count / n) spark.stop() } } -
File->Project Structure->Artifacts，新建一个Jar->From modules with dependencies…，选择Main Class，之后在Output Layput中删掉不必要的jar
这里的output directory即为前面SparkPi.scala代码里setJars用来指定程序jar包的位置
注意这里如果没有删除没用的jar包，后面执行会报错java.lang.ClassNotFoundException: SparkPi$$anonfun$1 -
在服务器集群配置文件/usr/local/spark/conf/spark-env.sh中加入以下代码：
export SPARK_SUBMIT_OPTS="-agentlib:jdwp=transport=dt_socket,server=y,suspend=y,address=5005"address：JVM在5005端口上监听请求，这个设定为一个不冲突的端口即可。 server：y表示启动的JVM是被调试者，n表示启动的JVM是调试器。 suspend：y表示启动的JVM会暂停等待，直到调试器连接上才继续执行，n则JVM不会暂停等待。 -
在服务器Master节点主机上启动hadoop集群，然后再启动spark集群,最后运行jps命令检查进程。
cd /usr/local/hadoop/ sbin/start-all.sh # 启动hadoop集群 cd /usr/local/spark/ sbin/start-master.sh # 启动Master节点 sbin/start-slaves.sh # 启动所有Slave节点 jps -
在IDEA上添加远程配置，根据spark集群中spark-env.sh的SPARK_SUBMIT_OPTS的变量，对远程执行进行配置，保持端口号一致
-
配置完成，右键run执行scala程序。初次运行报错如下，选择右下角弹窗中的enable auto import，然后再重新执行一次。
完美！！！ -
结束记得关闭spark集群哦
sbin/stop-master.sh # 关闭Master节点 sbin/stop-slaves.sh # 关闭Worker节点 cd /usr/local/hadoop/ sbin/stop-all.sh # 关闭Hadoop集群
参考内容
- Hadoop安装教程_单机/伪分布式配置_Hadoop2.6.0/Ubuntu14.04_厦大数据库实验室博客
http://dblab.xmu.edu.cn/blog/install-hadoop/ - Hadoop集群安装配置教程_Hadoop2.6.0_Ubuntu/CentOS_厦大数据库实验室博客
http://dblab.xmu.edu.cn/blog/install-hadoop-cluster/ - Spark安装和使用_厦大数据库实验室博客
http://dblab.xmu.edu.cn/blog/931-2/ - Spark 2.0分布式集群环境搭建_厦大数据库实验室博客
http://dblab.xmu.edu.cn/blog/1187-2/ - 利用idea对spark程序进行远程提交和调试 - yiluohan0307的专栏 - CSDN博客
https://blog.csdn.net/yiluohan0307/article/details/80048765 - 使用Intellij IDEA开发并提交Spark应用到远程Spark集群 - Camu7s的专栏 - CSDN博客
https://blog.csdn.net/Camu7s/article/details/45530295 - Intellij IDEA连接Spark集群 - MSTK - 博客园
https://www.cnblogs.com/mstk/p/6875068.html?utm_source=itdadao&utm_medium=referral - java.lang.ClassNotFoundException: SparkPi$$anonfun$1 - weixin_34019144的博客 - CSDN博客
https://blog.csdn.net/weixin_34019144/article/details/86440499