以WordCount为例介绍scala开发流程（spark + scala）

1、整体流程（这里不是wordcount例子，但整体流程相同）

 

2、对整体流程有整体了解后，接下来使用Maven创建scala工程，也可以使用sbt，具体区别请参考博文：https://blog.csdn.net/TXBSW/article/details/84070499，如果之前没有配置Maven请参考博文：https://blog.csdn.net/qq_32588349/article/details/51461182，https://blog.csdn.net/little_skeleton/article/details/80900244

右侧勾选Create from archetype，点击下面的scala-archetype-simple选项，点击Next。如下图

填写GroupId和ArtifactId选项，然后点击Next。如下图

选择本地安装的maven目录和maven配置文件的路径，点击Next，如下图

最后，填写Project name，和刚刚GroupId一样就可以，然后点击Finish，完成工程创建。

3、工程创建成功后，接下来在pom.xml文件中加入spark环境所需要的一些依赖包，如下所示。这里要注意spark的版本一定要和scala的版本相对应，如果缺少什么包，在该文件下自行添加即可。

<properties>
    <maven.compiler.source>1.5</maven.compiler.source>
    <maven.compiler.target>1.5</maven.compiler.target>
    <encoding>UTF-8</encoding>
    <scala.version>2.12.7</scala.version>
    <spark.version>2.2.1</spark.version>
    <hadoop.version>2.7.3</hadoop.version>
</properties>

<!--
  <repositories>
    <repository>
      <id>scala-tools.org</id>
      <name>Scala-Tools Maven2 Repository</name>
      <url>http://scala-tools.org/repo-releases</url>
    </repository>
  </repositories>

  <pluginRepositories>
    <pluginRepository>
      <id>scala-tools.org</id>
      <name>Scala-Tools Maven2 Repository</name>
      <url>http://scala-tools.org/repo-releases</url>
    </pluginRepository>
  </pluginRepositories>
-->
<dependencies>
    <dependency>
        <groupId>org.scala-lang</groupId>
        <artifactId>scala-library</artifactId>
        <version>${scala.version}</version>
    </dependency>

    <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-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.hadoop</groupId>
        <artifactId>hadoop-client</artifactId>
        <version>${hadoop.version}</version>
    </dependency>

    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-mllib_${scala.version}</artifactId>
        <version>${spark.version}</version>
    </dependency>

</dependencies

4、一切准备就绪，接下来进行程序的开发（以wordcount为例），当然在进行scala开发时，如果右键找不到scala.class，那么请进行如下设置。

package com.ivan

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

object WordCount {
  def main(args: Array[String]): Unit = {
    //创建SparkConf()并且设置App的名称
    val conf = new SparkConf().setAppName("wordcount").setMaster("local")

    //sc是SparkContext，他是spark程序执行的入口
    val sc = new SparkContext(conf)

    /**
      * 带参数的任务，通过args(0)和args(1)进行参数设置
      */
    //sc.textFile(args(0)).flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).saveAsTextFile(args(1))

    /**
      * 直接进行处理
      */
    val lines = sc.textFile("hdfs://10.77.20.23:8020/user/hadoop/word.txt")
    // lines.flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).collect().foreach(println)


    /**
      * 第二种处理写法
      */
    val words = lines.flatMap(line => {
      line.split(" ")
    })
    val pairWords = words.map(word => {
      new Tuple2(word, 1)
    })
    /**
      *
      * reduceByKey 先分组，在给每个组的value进行聚合
      */
    val result = pairWords.reduceByKey((v1, v2) => {
      v1 + v2
    })
    result.foreach(tuple => {
      println(tuple)
    })

    //停止sc，结束该任务
    sc.stop()
  }
}

 5、将程序打成jar包（过程如下，Maven方式），并利用winscp上传至服务器

6、向集群提交任务，并执行任务

./spark2-submit 
    --master spark://10.77.20.23:7077
    --executor-memory 512mb 
    --total-executor-cores 4 
    --class com.ivan.WordCount /program/spark-1.0.jar 
    hdfs://10.77.20.23:9000/user/hadoop/ 
    hdfs://10.77.20.23:9000/user/hadoop/output