IDEA下用SBT搭建Spark Helloworld

原文：http://www.linuxidc.com/Linux/2016-12/138698.htm

没用过IDEA工具，听说跟Eclipse差不多，sbt在Idea其实就等于maven在Eclipse。Spark运行在JVM中，所以要在Idea下运行spark，就先要安装JDK 1.8+ 然后加入Scala和Spark的依赖包就可以进行开发了，不要安装低版本的JDK。

先下载IDEA的社区版

https://www.jetbrains.com/idea/download/download-thanks.html?platform=windows&code=IIC

Scala、Spark环境

安装完后下载Scala插件

新建sbt工程

这里需要注意，如果选择Spark2.0以上，那么Scala要选2.11以上。因为我用的是Spark2.0.2，所以就选择2.11.1，选择JDK版本后确认。

工程创建成功后的目录

编辑build.sbt文件，添加Spark依赖

name := "Scala"

version := "1.0" scalaVersion := "2.11.1"

libraryDependencies+= "org.apache.spark" % "spark-core_2.11" % "2.0.2"

保存，等待下载完依赖的包。

PS： Scala版本对应的Spark可在官网查询

Helloworld

在project下 src/scala包下创建一个scala.class

helloworld.scala

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

/**
* Created by Jan on 2016/12/19.
*/
object Helloworld {

def main(args: Array[String]) {
val logFile= "./README.md" // Should be some file on your server.
val conf = new SparkConf().setAppName("Simple Application").setMaster("local")
val sc= new SparkContext(conf)
val logData= sc.textFile(logFile, 2).cache()
val numAs= logData.filter(line => line.contains("h")).count()
val numBs= logData.filter(line => line.contains("j")).count()
println("Lines with h: %s, Lines with j: %s".format(numAs, numBs))
}

}

上面代码目的是：在本地读取一个叫README.md的文件，通过Spark内存分析，计算字母“h”和字母“j”在文件中出现多少次。

运行代码

可能出现的错误：

java.io.IOException: Could not locate executable null\bin\winutils.exe in the Hadoop binaries.

原因是缺少了winutils.exe文件，这个而且没有设置HADOOP_HOME

1. 下载hadoop到本机并添加bin目录到环境变量

http://hadoop.apache.org/releases.html

2. 下载winutils.exe文件，下载后放到hadoop的bin目录下