IntelliJ IDEA（Community版本）的下载、安装和WordCount的初步使用（本地模式和集群模式）

 

　　不多说，直接上干货！

　　对于初学者来说，建议你先玩玩这个免费的社区版，但是，一段时间，还是去玩专业版吧，这个很简单哈，学聪明点，去搞到途径激活！可以看我的博客。

 

 

 

包括：

 　　IntelliJ IDEA（Community）的下载

　　 IntelliJ IDEA（Community）的安装

 　　IntelliJ IDEA（Community）中的scala插件安装

 　　用SBT方式来创建工程 或 选择Scala方式来创建工程

 　　本地模式或集群模式

 

 

 

 

 

　　

　我们知道，对于开发而言，IDE是有很多个选择的版本。如我们大部分人经常用的是如下。

Eclipse *版本

 

Eclipse *下载

 

 　　而我们知道，对于spark的scala开发啊，有为其专门设计的eclipse，Scala IDE for Eclipse

　　

 

Scala IDE for Eclipse的下载、安装和WordCount的初步使用（本地模式和集群模式）

　　这里，我们知道，spark的开发可以通过IntelliJ IDEA或者Scala IDE for Eclipse，包括来构建spark开发环境和源码阅读环境。由于IntelliJ IDEA对scala的支持更好，所以目前spark开发团队使用IntelliJ IDEA作为开发环境。强烈推荐！

 

 

 

 

 

 

 

1、IntelliJ IDEA（Community）的下载

下载链接： http://www.jetbrains.com/idea/download/

 

　　

一般，我们使用选择免费的社区版就好了，不过Apache的贡献者可以免费获得商业发行版的使用权。

我们找历史版本，Windows7下安装IntelliJ IDEA Community Edition 2016.1.3(64)。

 

 

 

 

 

 

 2、IntelliJ IDEA（Community）的安装

 

答案就是在：http://www.oschina.net/question/227259_2160359?fromerr=GzBpdLWq

Idea 201*.*之后的64位需要JDK1.8了。很多都是需要jdk1.8。

 

而我的，

 

所以，就一直出现，不出来64位选择的问题。

而，Hadoop那边，一般以jdk1.7为主。为稳定。

 

为此，添加jdk1.8。

C:\Program Files\Java\jdk1.8.0_66

 

至于，CLASSPTH、PATH就不需了。

同时，存在，jdk1.7和jdk1.8。

则java -verison,得到，

 　　这里啊，要注意下，是以jdk1.8了，因为，高级版本会覆盖掉低级版本，当然，我留下它，是因为为我的hadoop-2.6.0版本着想，最近啊，2016年9月3日，hadoop-3.*出来了，以后的趋势肯定是要以jdk1.8了、

　　

　　现在，来安装

保存位置，不喜欢安装到系统盘的话，就选择到其它的位置

D:\SoftWare\IntelliJ IDEA\IntelliJ IDEA Community Edition 2016.1.4

创建桌面快捷方式，我只选一个64位的够了；

注意：如果你的JDK是32位的，Tomcat是32位的，估计要使用32位的才行；

创建扩展名关联：都选上吧 ；

 

安装到这里就完成了，但接下来还有一些步骤需要配置

如果你之前安装过早期版本的，想把之前的配置应用到新版本就选则上面的，没有？

那就跟我选择一样的吧！

 

 

 

 

 

 

 3、IntelliJ IDEA（Community）的使用

在这之前，先在本地里安装好java和scala

 

 

这个必须要同意，不然的话我们安装它干嘛！

主题皮肤设置，看你喜欢哪一种吧！

可以根据你的需要调整定制需要的特性：

这里可以安装Scala和IdeaVim支持，但我试了几次，根本安装不上；（其实啊，这里可以安装的上，当然，有时候会安装不上）

为IDEA安装scala，这个过程是是IDEA自动化的插件管理，所以点击后会自动下载。

 

说明的是：我们是安装了scala2.10.4，为什么还要在IDEA里还要安装scala呢？

　　　　   而不是IDEAl里本身开发支持的插件的版本。

 

      则，现在已经安装好了。这一步，叫做，在IntelliJ IDEA里安装scala插件，当然，可以在安装IntelliJ IDEA就将scala插件安装好，或者，也可以在这一步没安装成功，之后，再来补安装scala插件。

　　具体，如何补安装scala插件，如下。

启动界面，挺酷的

先选择Create New Project 创建一个空项目看看吧

 

 

 

　补安装scala插件

 

自动下载scala插件了，然后自动安装后重启就会生效了！

 

 

 

 

创建工程

 File  -> New  -> Project 

若是SBT方式，

参考了博客

http://blog.csdn.net/stark_summer/article/details/42460527

 

想说的是，SBT是为scala专门而设计的，但是，一般很多人还是用的是maven。

 

我这里，选择Scala方式，来创建，

创建，需要一段时间

即，在以上过程中，模仿JDK1.8.x和scala2.10.4

 

 

 

通过File –>  Project  Steuccture 来设置工程的Libraries核心是添加Spark的jar  

 选择，java，我们这里导入spark的jar包，为什么要选择java的选项呢？这里是从jvm的角度考虑的

添加Spark的jar依赖spark-1.5.2-bin-hadoop2.6.tgz里的lib目录下的spark-assembly-1.5.2-hadoop2.6.0.jar

注意，我们是在windows里开发，下载和解压的是linux版本（如spark-1.6.0-bin-hadoop2.6.tgz）

 

该包可以通过sbt/sbt assembly命令生成，这个命令相当于将spark的所有依赖包和spark源码打包为一个整体。

其实，这是一步拷贝的过程

需要一段时间

 

 成功！

 

src    ->  New   ->  Package

 New    ->    Scala Class

 

 

 

 

 

本地模式和集群模式的代码，这里我不多赘述。

 （1）本地运行

　　编写完Scala程序后，可以直接在IntelliJ IDEA中以本地(local)模式运行。

在IntelliJ IDEA中，点击Run 按钮，

 

 

 

或者

     有的时候，会是如下情况：

     在IntelliJ IDEA中点击Run/Debug Configuration按钮，在其下拉列表选择Edit Configurations选项。

      在Run输入选择界面中，在输入框Program arguments中输入main函数的输入参数local，即为本地单机执行spark应用。

       然后点击选择需要运行的类，点击Run运行spark应用程序。

由此，可见，本地模式成功！

 

 

 

 

 

 

 

集群模式

先开启hadoop集群

 

50070界面

 

7070界面

 

 

 

 

接下来，继续打包，使用 Project Structure的Artifacts，

 

Artifacts  ->    +    ->    JAR     +  From modules with dependencies...

 

 

 

 

接下来，建立Build。

 

 

 

 

spark@SparkSingleNode:/usr/local/spark/spark-1.5.2-bin-hadoop2.6/bin$ ./spark-submit --master spark://SparkSingleNode:7077 /home/spark/WordCount.jar 

开始之前

正在进行

 完成

 

 

4040界面

 

 

 

 

 

其实啊，在集群里，模板就是如下

val file = spark.textFile("hdfs://...”)

val counts = file.flatMap("line => line.spilt(" "))

　　　　　　　　.map(word => (word,1))

　　　　　　　　.reduceByKey(_+_)

　counts.saveAsTextFile("hdfs://...”)

 

 

 

 

 

 

 

 

 

IntelliJ IDEA的黑白色背景切换

File    ->   Setting    ->  Editor     ->   Colors & Fonts   

即，默认是白色的，那么，点击yes，则默认变成黑色了。

 

变成

 

　　想说的是，当然，这背景版本给出的是黑色和白色这两种选择，其实，自己可以将图片上传作为背景。

 

 

 

 

 

 

 

总结

WordCount.scala（本地模式）

package com.zhouls.spark

/**
  * Created by Administrator on 2016/9/18.
  */

package com.zhouls.spark

import org.apache.spark.SparkConf
import org.apache.spark.SparkContext


object WordCount {
  def main(args: Array[String]): Unit = {
    /*
     * 第1步：创建spark的配置对象sparkconf，设置spark程序的运行时的配置信息，
     * 例如说通过setMaster来设置程序要链接的spark集群的master的URL，如果设置为local，则代表spark程序在本地运行，
     * 特别适合于机器配置条件非常差（例如只有1G内存）的初学者
     */
    val conf = new SparkConf()//创建SparkConf对象
    conf.setAppName("Wow,My First Spark App!")//设置应用程序的名称，在程序运行的监控界面可以看到名称
    conf.setMaster("local")//此时，程序在本地运行，不需要安装spark集群

    /*
     * 第2步：创建SparkContext对象
     * SparkContext是spark程序所有功能的唯一入口，无论是采用scala、java、pthon、R等都必须有一个SparkContext
     * SparkContext核心作用：初始化spark应用程序运行所需要的核心组件、包括DAGScheduler、TaskScheduler、SchedulerBackend
     * 同时还会负责spark程序往master注册程序等
     * SparkContext是整个spark应用程序中最为至关重要的一个对象
     */
    val sc = new SparkContext(conf)

    /*
     * 第3步：根据具体的数据源（HDFS、HBase、Local FS、DB、S3等）通过SparkContext来创建RDD
     * RDD的创建基本有三种方式：根据外部的数据来源（如HDFS）、根据Scala集合、由其它的RDD操作数据会被RDD划分成
     * 一系列的Partitions，分配到每个Partition的数据属于一个Task的处理范畴
     */
    // val lines:RDD[String] = sc.textFile("D://SoftWare//spark-1.6.2-bin-hadoop2.6//README.md", 1)//path指的是文件路径，minPartitions指的是最小并行度
    val lines = sc.textFile("D://SoftWare//spark-1.6.2-bin-hadoop2.6//README.md", 1)//path指的是文件路径，minPartitions指的是最小并行度

    /*
     * 第4步：对初始的RDD进行Transformation级别的处理，例如map、filter等高阶函数等的编程，来进行具体的数据计算
     *  第4.1步：将每一行的字符串拆分成单个的单词
     */
    val words = lines.flatMap{ line => line.split(" ")}//对每一行的字符串进行单词拆分并把所有行的拆分结果通过flat合并成为一个

    /*
    * 4.2步：在单词拆分的基础上对每个单词实例计数为1，也就是 word => (word,1)
    */
    val pairs = words.map { word => (word,1) }

    /*
     * 4.3步:在每个单词实例计数为1基础之上统计每个单词在文件中出现的总次数
     */
    val wordCounts =  pairs.reduceByKey(_+_)//对相同的key，进行value的累计（包括local和reducer级别同时reduce）
    wordCounts.foreach(wordNumberPair => println(wordNumberPair._1 + ":" + wordNumberPair._2))

    /*
     * 第5步
     */
    sc.stop();
  }

}

 

WordCount_Cluster.scala（集群模式）

package com.zhouls.spark

/**
  * Created by Administrator on 2016/9/18.
  */

import org.apache.spark.SparkConf
import org.apache.spark.SparkContext


object WordCount_Cluster {
  def main(args: Array[String]): Unit  = {
    /*
     * 第1步：创建spark的配置对象sparkconf，设置spark程序的运行时的配置信息，
     * 例如说通过setMaster来设置程序要链接的spark集群的master的URL，如果设置为local，则代表spark程序在本地运行，
     * 特别适合于机器配置条件非常差（例如只有1G内存）的初学者
     */
    val conf = new SparkConf()//创建SparkConf对象
    conf.setAppName("Wow,My First Spark App!")//设置应用程序的名称，在程序运行的监控界面可以看到名称
    conf.setMaster("spark://SparkSingleNode:7077")//此时，程序在本地运行，不需要安装spark集群

    /*
     * 第2步：创建SparkContext对象
     * SparkContext是spark程序所有功能的唯一入口，无是采用scala、java、pthon、R等都必须有一个SparkContext
     * SparkContext核心作用：初始化spark应用程序运行所需要的核心组件、包括DAGScheduler、TaskScheduler、SchedulerBackend
     * 同时还会负责spark程序往master注册程序等
     * SparkContext是整个spark应用程序中最为至关重要的一个对象
     */
    val sc = new SparkContext(conf)

    /*
     * 第3步：根据具体的数据源（HDFS、HBase、Local FS、DB、S3等）通过SparkContext来创建RDD
     * RDD的创建基本有三种方式：根据外部的数据来源（如HDFS）、根据Scala集合、由其它的RDD操作数据会被RDD划分成
     * 一系列的Partitions，分配到每个Partition的数据属于一个Task的处理范畴
     */
    // val lines:RDD[String] = sc.textFile("D://SoftWare//spark-1.6.2-bin-hadoop2.6//README.md", 1)//path指的是文件路径，minPartitions指的是最小并行度
    //  val lines = sc.textFile("D://SoftWare//spark-1.6.2-bin-hadoop2.6//README.md", 1)//path指的是文件路径，minPartitions指的是最小并行度
    val lines = sc.textFile("hdfs://SparkSingleNode:9000/README.md", 1)//没必要会感知上下文
    //        val lines = sc.textFile("/README.md", 1)//path指的是文件路径，minPartitions指的是最小并行度
    //            val lines = sc.textFile("/README.md")//为什么，这里不写并行度了呢？因为,hdfs会有一个默认的
    /*
     * 第4步：对初始的RDD进行Transformation级别的处理，例如map、filter等高阶函数等的编程，来进行具体的数据计算
     *  第4.1步：将每一行的字符串拆分成单个的单词
     */
    val words = lines.flatMap{ line => line.split(" ")}//对每一行的字符串进行单词拆分并把所有行的拆分结果通过flat合并成为一个

    /*
    * 4.2步：在单词拆分的基础上对每个单词实例计数为1，也就是 word => (word,1)
    */
    val pairs = words.map { word => (word,1) }

    /*
     * 4.3步:在每个单词实例计数为1基础之上统计每个单词在文件中出现的总次数
     */
    val wordCounts =  pairs.reduceByKey(_+_)//对相同的key，进行value的累计（包括local和reducer级别同时reduce）
    wordCounts.collect.foreach(wordNumberPair => println(wordNumberPair._1 + ":" + wordNumberPair._2))

    /*
     * 第5步
     */
    sc.stop();
  }

}

 

 

 

 

 

 

 

扩展

IntelliJ IDEA（Ultimate版本）的下载、安装和WordCount的初步使用（本地模式和集群模式）

 

 

 

 

 

 

 

欢迎大家，加入我的微信公众号：大数据躺过的坑        人工智能躺过的坑

 

 

 

同时，大家可以关注我的个人博客：

   http://www.cnblogs.com/zlslch/   和     http://www.cnblogs.com/lchzls/      http://www.cnblogs.com/sunnyDream/   

   详情请见：http://www.cnblogs.com/zlslch/p/7473861.html

 

　　人生苦短，我愿分享。本公众号将秉持活到老学到老学习无休止的交流分享开源精神，汇聚于互联网和个人学习工作的精华干货知识，一切来于互联网，反馈回互联网。
　　目前研究领域：大数据、机器学习、深度学习、人工智能、数据挖掘、数据分析。 语言涉及：Java、Scala、Python、Shell、Linux等 。同时还涉及平常所使用的手机、电脑和互联网上的使用技巧、问题和实用软件。 只要你一直关注和呆在群里，每天必须有收获

 

      对应本平台的讨论和答疑QQ群：大数据和人工智能躺过的坑（总群）（161156071）