Idea下用SBT搭建Spark Helloworld

沒用過IDEA工具，聽說跟Eclipse差不多，sbt在Idea其實就等於maven在Eclipse。Spark運行在JVM中，所以要在Idea下運行spark，就先要安裝JDK 1.8+ 然後加入Scala和Spark的依賴包就可以進行開發了，不要安裝低版本的JDK。

先下載Idea的社區版

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

Scala、Spark環境

安裝完後下載Scala插件

新建sbt工程

這裡需要註意，如果選擇Spark2.0以上，那麼Scala要選2.11以上。因為我用的是Spark2.0.2，所以就選擇2.11.1，選擇JDK版本後確認。

工程創建成功後的目錄

編輯build.sbt文件，添加Spark依賴

name := "Scala"

version := "1.0"

scalaVersion := "2.11.1"

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

保存，等待下載完依賴的包。

PS： Scala版本對應的Spark可在官網查詢

Helloworld

在project下 src/scala包下創建一個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))
    }

}

上面代碼目的是：在本地讀取一個叫README.md的文件，通過Spark記憶體分析，計算字母“h”和字母“j”在文件中出現多少次。

運行代碼

可能出現的錯誤：

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，這個而且沒有設置HADOOP_HOME

解決辦法

1. 下載hadoop到本機並添加bin目錄到環境變數

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

2. 網上搜下winutils.exe文件，下載後放到hadoop的bin目錄下

http://download.csdn.net/detail/u014313009/7671379