前一篇文章“Apache Spark學(xué)習(xí)：將Spark部署到Hadoop 2.2.0上”介紹了如何使用Maven編譯生成可直接運行在Hadoop 2.2.0上的Spark jar包，而本文則在此基礎(chǔ)上，介紹如何利用Eclipse構(gòu)建Spark集成開發(fā)環(huán)境。

（1） 準(zhǔn)備工作

在正式介紹之前，先要以下軟硬件準(zhǔn)備：

軟件準(zhǔn)備：

Eclipse Juno版本（4.2版本），可以直接點擊這里下載：Eclipse 4.2

Scala 2.9.3版本，Window安裝程序可以直接點擊這里下載：Scala 2.9.3

Eclipse Scala IDE插件，可直接點擊這里下載：Scala IDE(for Scala 2.9.x and Eclipse Juno)

硬件準(zhǔn)備

裝有Linux或者Windows操作系統(tǒng)的機器一臺

（2） 構(gòu)建Spark集成開發(fā)環(huán)境

我是在windows操作系統(tǒng)下操作的，流程如下：

步驟1：安裝scala 2.9.3：直接點擊安裝即可。

步驟2：將Eclipse Scala IDE插件中features和plugins兩個目錄下的所有文件拷貝到Eclipse解壓后對應(yīng)的目錄中

步驟3：重新啟動Eclipse，點擊eclipse右上角方框按鈕，如下圖所示，展開后，點擊“Other….”，查看是否有“Scala”一項，有的話，直接點擊打開，否則進行步驟4操作。

步驟4：在Eclipse中，依次選擇“Help” –> “Install New Software…”，在打開的卡里填入http://download.scala-ide.org/sdk/e38/scala29/stable/site，并按回車鍵，可看到以下內(nèi)容，選擇前兩項進行安裝即可。（由于步驟3已經(jīng)將jar包拷貝到eclipse中，安裝很快，只是疏通一下）安裝完后，重復(fù)操作一遍步驟3便可。

（3） 使用Scala語言開發(fā)Spark程序

在eclipse中，依次選擇“File” –>“New” –> “Other…” –>  “Scala Wizard” –> “Scala Project”，創(chuàng)建一個Scala工程，并命名為“SparkScala”。

右擊“SaprkScala”工程，選擇“Properties”，在彈出的框中，按照下圖所示，依次選擇“Java Build Path” –>“Libraties” –>“Add External JARs…”，導(dǎo)入文章“Apache Spark：將Spark部署到Hadoop 2.2.0上”中給出的

assembly/target/scala-2.9.3/目錄下的spark-assembly-0.8.1-incubating- hadoop2.2.0.jar，這個jar包也可以自己編譯spark生成，放在spark目錄下的assembly/target/scala- 2.9.3/目錄中。

#p#

跟創(chuàng)建Scala工程類似，在工程中增加一個Scala Class，命名為：WordCount，整個工程結(jié)構(gòu)如下：

WordCount就是最經(jīng)典的詞頻統(tǒng)計程序，它將統(tǒng)計輸入目錄中所有單詞出現(xiàn)的總次數(shù)，Scala代碼如下：

import org.apache.spark._ 
import SparkContext._ 
object WordCount { 
  def main(args: Array[String]) { 
    if (args.length != 3 ){ 
      println("usage is org.test.WordCount <master> <input> <output>") 
      return 
    } 
    val sc = new SparkContext(args(0), "WordCount", 
    System.getenv("SPARK_HOME"), Seq(System.getenv("SPARK_TEST_JAR"))) 
    val textFile = sc.textFile(args(1)) 
    val result = textFile.flatMap(line => line.split("\\s+")) 
        .map(word => (word, 1)).reduceByKey(_ + _) 
    result.saveAsTextFile(args(2)) 
  } 
} 

在Scala工程中，右擊“WordCount.scala”，選擇“Export”，并在彈出框中選擇“Java” –> “JAR File”，進而將該程序編譯成jar包，可以起名為“spark-wordcount-in-scala.jar”，我導(dǎo)出的jar包下載地址是 spark-wordcount-in-scala.jar。

該WordCount程序接收三個參數(shù)，分別是master位置，HDFS輸入目錄和HDFS輸出目錄，為此，可編寫run_spark_wordcount.sh腳本：

需要注意以下幾點：WordCount程序的輸入?yún)?shù)通過“-args”指定，每個參數(shù)依次單獨指定，第二個參數(shù)是HDFS上的輸入目錄，需要事先創(chuàng)建好，并上傳幾個文本文件，以便統(tǒng)計詞頻，第三個參數(shù)是HDFS上的輸出目錄，動態(tài)創(chuàng)建，運行前不能存在。

直接運行run_spark_wordcount.sh腳本即可得到運算結(jié)果。

在運行過程中，發(fā)現(xiàn)一個bug，org.apache.spark.deploy.yarn.Client有一個參數(shù)“–name”可以指定應(yīng)用程序名稱：

但是使用過程中，該參數(shù)會阻塞應(yīng)用程序，查看源代碼發(fā)現(xiàn)原來是個bug，該Bug已提交到Spark jira上：

// 位置：new-yarn/src/main/scala/org/apache/spark/deploy/yarn/ClientArguments.scala 
        case ("--queue") :: value :: tail => 
          amQueue = value 
          args = tail 
  
        case ("--name") :: value :: tail => 
          appName = value 
          args = tail //漏了這行代碼，導(dǎo)致程序阻塞 
  
        case ("--addJars") :: value :: tail => 
          addJars = value 
          args = tail 

因此，大家先不要使用“–name”這個參數(shù)，或者修復(fù)這個bug，重新編譯Spark。

（4） 使用Java語言開發(fā)Spark程序

方法跟普通的Java程序開發(fā)一樣，只要將Spark開發(fā)程序包spark-assembly-0.8.1-incubating-hadoop2.2.0.jar作為三方依賴庫即可。

（5） 總結(jié)

初步試用Spark On YARN過程中，發(fā)現(xiàn)問題還是非常多，使用起來非常不方便，門檻還是很高，遠不如Spark On Mesos成熟。

原文鏈接：http://dongxicheng.org/framework-on-yarn/spark-eclipse-ide/