Spark入门实战系列--3.Spark编程模型（下）--IDEA搭建及实战

【注】该系列文章以及使用到安装包/测试数据 可以在《倾情大奉送--Spark入门实战系列》获取

1、 安装IntelliJ IDEA

IDEA 全称 IntelliJ IDEA，是java语言开发的集成环境，IntelliJ在业界被公认为最好的java开发工具之一，尤其在智能代码助手、代码自动提示、重构、J2EE支持、Ant、JUnit、CVS整合、代码审查、创新的GUI设计等方面的功能可以说是超常的。IDEA是JetBrains公司的产品，这家公司总部位于捷克共和国的首都布拉格，开发人员以严谨著称的东欧程序员为主。

IDEA每个版本提供Community和Ultimate两个版本，如下图所示，其中Community是完全免费的，而Ultimate版本可以使用30天，过这段时间后需要收费。从安装后使用对比来看，下载一个Community版本足够了。

1.1  安装软件

1.1.1 下载IDEA安装文件

可以到Jetbrains官网http://www.jetbrains.com/idea/download/，选择最新的安装文件。由于以后的练习需要在Linux开发Scala应用程序，选择Linux系统IntelliJ IDEA14，如下图所示：

【注】在该系列配套资源的install目录下分别提供了ideaIC-14.0.2.tar.gz(社区版)和ideaIU-14.0.2.tar.gz(正式版)安装文件，对于Scala开发来说两个版本区别不大

1.1.2 解压缩并移动目录

把下载的安装文件上传到目标机器，用如下命令解压缩IntelliJ IDEA安装文件，并迁移到/app目录下：

cd /home/hadoop/upload

tar -zxf ideaIU-14.0.2.tar.gz

sudo mv idea-IU-139.659.2 /app/idea-IU

1.1.3配置/etc/profile环境变量

使用如下命令打开/etc/profile文件：

sudo vi /etc/profile

确认JDK配置变量正确配置（参见第2节《Spark编译与部署》中关于基础环境搭建介绍）：

export JAVA_HOME=/usr/lib/java/jdk1.7.0_55

export PATH=$PATH:$JAVA_HOME

1.2 配置Scala环境

1.2.1 启动IntelliJ IDEA

可以通过两种方式启动IntelliJ IDEA：

l  到IntelliJ IDEA安装所在目录下，进入bin目录双击idea.sh启动IntelliJ IDEA；

l  在命令行终端中，进入$IDEA_HOME/bin目录，输入./idea.sh进行启动

IDEA初始启动目录如下，IDEA默认情况下并没有安装Scala插件，需要手动进行安装，安装过程并不复杂，下面将演示如何进行安装。

1.2.2 下载Scala插件

参见上图，在启动界面上选择“Configure-->Plugins"选项，然后弹出插件管理界面，在该界面上列出了所有安装好的插件，由于Scala插件没有安装，需要点击”Install JetBrains plugins"进行安装，如下图所示：

待安装的插件很多，可以通过查询或者字母顺序找到Scala插件，选择插件后在界面的右侧出现该插件的详细信息，点击绿色按钮"Install plugin”安装插件，如下图所示：

安装过程将出现安装进度界面，通过该界面了解插件安装进度，如下图所示：

 

安装插件后，在启动界面中选择创建新项目，弹出的界面中将会出现"Scala"类型项目，选择后将出现提示创建的项目是仅Scala代码项目还是SBT代码项目，如下图所示：

1.2.3 设置界面主题

从IntelliJ IDEA12开始起推出了Darcula 主题的全新用户界面，该界面以黑色为主题风格得到很多开发人员的喜爱，下面我们将介绍如何进行配置。在主界面中选择File菜单，然后选择Setting子菜单，如下图所示：

 

在弹出的界面中选择Appearance &Behavior中Appearance，其中Theme中选择Darcula主题，如下图所示：

保存该主题重新进入，可以看到如下图样式的开发工具，是不是很酷！

2    使用IDEA编写例子

2.1 创建项目

2.1.1 设置项目基本信息

在IDEA菜单栏选择File->New Project，出现如下界面，选择创建Scala项目：

在项目的基本信息填写项目名称、项目所在位置、Project SDK和Scala SDK，在这里设置项目名称为class3，关于Scala SDK的安装参见第2节《Spark编译与部署》下Spark编译安装介绍：

2.1.2 设置Modules

创建该项目后，可以看到现在还没有源文件，只有一个存放源文件的目录src以及存放工程其他信息的杂项。通过双击src目录或者点击菜单上的项目结构图标打开项目配置界面，如下图所示：

在Modules设置界面中，src点击右键选择“新加文件夹”添加src->main->scala目录：

在Modules设置界面中，分别设置main->scala目录为Sources类型：

2.1.3 配置Library

选择Library目录，添加Scala SDK Library，这里选择scala-2.10.4版本

添加Java Library，这里选择的是在$SPARK_HOME/lib/spark-assembly-1.1.0-hadoop2.2.0.jar文件，添加完成的界面如下：

2.2 例子1：直接运行

《Spark编程模型（上）--概念及Shell试验》中使用Spark-Shell进行了搜狗日志的查询，在这里我们使用IDEA对Session查询次数排行榜进行重新练习，可以发现借助专业的开发工具可以方便快捷许多。

2.2.1 编写代码

在src->main->scala下创建class3包，在该包中添加SogouResult对象文件，具体代码如下：

package class3

import org.apache.spark.SparkContext._
import org.apache.spark.{SparkConf, SparkContext}

object SogouResult{
  def main(args: Array[String]) {
    if (args.length == 0) {
      System.err.println("Usage: SogouResult <file1> <file2>")
      System.exit(1)
    }

    val conf = new SparkConf().setAppName("SogouResult").setMaster("local")
    val sc = new SparkContext(conf)

    //session查询次数排行榜
    val rdd1 = sc.textFile(args(0)).map(_.split("\t")).filter(_.length==6)
val rdd2=rdd1.map(x=>(x(1),1)).reduceByKey(_+_).map(x=>(x._2,x._1)).sortByKey(false).map(x=>(x._2,x._1))
    rdd2.saveAsTextFile(args(1))
    sc.stop()
  }
}

  

2.2.2 编译代码

代码在运行之前需要进行编译，可以点击菜单Build->Make Project或者Ctrl+F9对代码进行编译，编译结果会在Event Log进行提示，如果出现异常可以根据提示进行修改

2.2.3 运行环境配置

SogouResult首次运行或点击菜单Run->Edit Configurations打开"运行/调试 配置界面"

运行SogouResult时需要输入搜狗日志文件路径和输出结果路径两个参数，需要注意的是HDFS的路径参数路径需要全路径，否则运行会报错：

l  搜狗日志文件路径：使用上节上传的搜狗查询日志文件hdfs://hadoop1:9000/sogou/SogouQ1.txt

l  输出结果路径：hdfs://hadoop1:9000/class3/output2

2.2.4 运行结果查看

启动Spark集群，点击菜单Run->Run或者Shift+F10运行SogouResult，在运行结果窗口可以运行情况。当然了如果需要观察程序运行的详细过程，可以加入断点，使用调试模式根据程序运行过程。

使用如下命令查看运行结果，该结果和上节运行的结果一致

hadoop fs -ls /class3/output2 

hadoop fs -cat /class3/output2/part-00000 | less

2.3  例子2：打包运行

上个例子使用了IDEA直接运行结果，在该例子中将使用IDEA打包程序进行执行

2.3.1 编写代码

在class3包中添加Join对象文件，具体代码如下：

package class3
 
import org.apache.spark.SparkContext._
import org.apache.spark.{SparkConf, SparkContext}
 
object Join{
  def main(args: Array[String]) {
    if (args.length == 0) {
      System.err.println("Usage: Join <file1> <file2>")
      System.exit(1)
    }
 
    val conf = new SparkConf().setAppName("Join").setMaster("local")
    val sc = new SparkContext(conf)
 
    val format = new java.text.SimpleDateFormat("yyyy-MM-dd")
    case class Register (d: java.util.Date, uuid: String, cust_id: String, lat: Float,lng: Float)
    case class Click (d: java.util.Date, uuid: String, landing_page: Int)
    val reg = sc.textFile(args(0)).map(_.split("\t")).map(r => (r(1), Register(format.parse(r(0)), r(1), r(2), r(3).toFloat, r(4).toFloat)))
val clk = sc.textFile(args(1)).map(_.split("\t")).map(c => (c(1), Click(format.parse(c(0)), c(1), c(2).trim.toInt)))
    reg.join(clk).take(2).foreach(println)
 
    sc.stop()
  }
}

2.3.2 生成打包文件

第一步   配置打包信息

在项目结构界面中选择"Artifacts"，在右边操作界面选择绿色"+"号，选择添加JAR包的"From modules with dependencies"方式，出现如下界面，在该界面中选择主函数入口为Join：

第二步   填写该JAR包名称和调整输出内容

【注意】的是默认情况下"Output Layout"会附带Scala相关的类包，由于运行环境已经有Scala相关类包，所以在这里去除这些包只保留项目的输出内容

第三步   输出打包文件

点击菜单Build->Build Artifacts，弹出选择动作，选择Build或者Rebuild动作

第四步   复制打包文件到Spark根目录下

cd /home/hadoop/IdeaProjects/out/artifacts/class3

cp LearnSpark.jar  /app/hadoop/spark-1.1.0/

ls /app/hadoop/spark-1.1.0/

2.3.3 运行查看结果

通过如下命令调用打包中的Join方法，运行结果如下：

cd /app/hadoop/spark-1.1.0

bin/spark-submit --master spark://hadoop1:7077 --class class3.Join --executor-memory 1g LearnSpark.jar hdfs://hadoop1:9000/class3/join/reg.tsv hdfs://hadoop1:9000/class3/join/clk.tsv

3、问题解决

3.1 出现"*** is already defined as object ***"错误

编写好SogouResult后进行编译，出现"Sogou is already as object SogouResult"的错误，

出现这个错误很可能不是程序代码的问题，很可能是使用Scala JDK版本问题，作者在使用scala-2.11.4遇到该问题，换成scala-2.10.4后重新编译该问题得到解决，需要检查两个地方配置：Libraries和Global Libraries分别修改为scala-2.10.4