Spark集群搭建记录 | 云计算[CentOS7] | Scala Maven项目访问Spark实现单词计数

Posted 2022-04-19 PushyTao

本文目录

• • 写在前面
  • step1 下载Scala IDE
  • step2 解压安装Scala IDE
  • step3 Scala 下载
  • step4 Scala 配置
  • step5 创建scala项目
  • step6 创建scala object
  • step7 修改pom文件
  • step8 配置项目
  • step9 设置输入路径

写在前面

本系列文章索引以及一些默认好的条件在 传送门
要想完成Spark的配置，首先需要完成Hadoop&&Spark的配置
Hadoop配置教程：链接

若未进行明确说明，均按照root用户操作

step1 下载Scala IDE

本来在Eclipse的Marketplace便可以下载，可是现在官网都寄了
所以说只好找到之前的版本凑合来用
下载链接
这个软件再解压后会产生一个文件夹eclipse，所以说为了避免和先前的eclipse产生冲突或者是覆盖问题
我们选择在也之前不同的目录下进行解压，然后进行配置

step2 解压安装Scala IDE

假设已经将scala-ide放置到虚拟机的某路径下，该路径不同于eclipse的路径
假如以/usr/local为例
我们使用tar 命令进行解压:
tar -zxvf scala-SDK<Tab>
然后就可以打开其中的eclipse/eclipse使用该软件:

如果说想要更方便的在桌面直接就能点击使用的话，可以直接创建软连接或者是.Desktop文件并放置到桌面，方法不在赘述

step3 Scala 下载

注意注意！！！
Scala的版本对Spark版本极其敏感，所以说为了能够下载适合已经装了的Spark版本互相兼容，还请移步官网查看并下载适配的Scala，博主下面给出对应的适配关系，来源maven仓库

博主使用的是Spark2.4.0，与这个版本兼容的有2.11/2.12
在这里博主使用2.11版本的Scala进行配置
cd /usr/local
wget https://downloads.lightbend.com/scala/2.11.8/scala-2.11.8.tgz
tar -zxvf scala-2<Tab>
mv scala-2<Tab> scala

step4 Scala 配置

vim /etc/profile
加入：

export SCALA_HOME=/usr/local/scala
export PATH=$PATH:$SCALA_HOME/bin

source一下使其生效
source /etc/profile
在输入scala之后如若出现下图则代表成功：

因为在后续的过程中，均需要该环境跑集群的代码，所以说，集群的所有机器为了能够干活，都需要安装scala
可以使用scp命令传送到集群的其他节点，或者是手动在剩余的机器重复step3$\to$step4

step5 创建scala项目

打开Scala ide ，并创建scala 项目:

右键单击创建好的项目，将下图的第三步换成Convert to Maven Project，因为博主已经将项目设置为Maven项目，所以说，该选项消失

step6 创建scala object

在src 目录下，我们创建一个scala object，
右键src，然后：

在里面写入代码逻辑，具体代码可以参考链接
并根据实际情况对代码进行修改
以上链接源代码：
具体代码根据自己实际情况来进行修改

import org.apache.spark.SparkConf, SparkContext

object WordCount 
	def main(args: Array[String]): Unit = 
		val conf = new SparkConf()
		conf.setAppName("wordcount")
		conf.setMaster("spark://主机名:7077")
		val sc = new SparkContext(conf)
		
		val rdd = sc.textFile("hdfs://主机名:9000/tmp/test.txt")
		.flatMap(_.split(" ")).map((_, 1)).reduceByKey(_ + _)
		rdd.saveAsTextFile("hdfs://主机名:9000/tmp/result")
	

step7 修改pom文件

在pom.xml文件中加入和自己实际环境适配的依赖：
比如spark-core的话，我们就选择：

<!-- https://mvnrepository.com/artifact/org.apache.spark/spark-core -->
<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-core_2.11</artifactId>
    <version>2.4.0</version>
</dependency>

以上内容要加在<dependencies></dependencies> 之间，<dependencies></dependencies>与<build></build>同“等级”
至于<plugin></plugin>可以根据自己实际情况进行配置

step8 配置项目

右键单击项目：

选择完成后，在左侧找到scala complier：

选择跟自己适配的版本，然后确定关闭
而对于maven的相关配置，也要进行修改，在博文step3中有提及

step9 设置输入路径

因为在代码中难免会涉及到路径，所以说以step6中的代码为例，需要给tmp文件夹赋予必要的权限：
hadoop fs -chmod -R 777 /tmp
并且将自己所需要技术的文件test.txt通过主机名:50070端口的web界面进行上传：

然后点击：

等个十几秒就好啦~：以下是结果：