IDEA连接Spark集群执行Scala程序

1、首先安装Scala插件，File->Settings->Plugins，搜索出Scla插件，点击Install安装；
2、File->New Project->maven，新建一个Maven项目，填写GroupId和ArtifactId；

3、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1.0-SNAPSHOT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>

4、File->Project Structure->Libraries，选择和Spark运行环境一致的Scala版本

5、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

6、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()
  }
}

7、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

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

8、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。

9、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

10、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

11、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。

12、结束记得关闭spark集群

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

参考链接：https://blog.csdn.net/weixin_38493025/article/details/103365712