Intellij idea使用java编写并执行spark程序

        初学使用Intellij idea编写spark程序。由于公司要求用java编写，但网上基本又是用scala来写spark程序（虽然确实用scala来写比java好很多），摸索之后决定把整个流程记录下来.

开发环境：

• Intellij idea 14
• jdk: 1.7.71
• spark: 1.1.0
• hadoop: 2.4.0
• scala: 2.11.1
• maven: 3.2.5

步骤：

1. 创建maven工程

在src目录下创建main/java的source文件（在File --> Project Structure...-->Modules-->Sources右键添加目录和修改目录为source类型）

在File --> Project Structure...-->Libraries添加spark-assembly-1.1.0-hadoop2.4.0的依赖包

2. 在java目录下编写Wordcount例子程序

代码：

import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.api.java.function.FlatMapFunction;
import org.apache.spark.api.java.function.Function2;
import org.apache.spark.api.java.function.PairFunction;
import scala.Tuple2;

import java.util.Arrays;
import java.util.List;
import java.util.regex.Pattern;

/**
 * Created by yhao on 2015/3/12.
 */
public class JavaWordCount {
    private static final Pattern SPACE = Pattern.compile(" ");

    public static void main(String[] args)throws Exception {
        SparkConf sparkConf = new SparkConf().setAppName("JavaWordCount");
        String srcPath = null;
        String desPath = "/apps/ca/yanh/output";
        if (args.length == 1) {
            srcPath = args[0];
        } else if(args.length == 2) {
            srcPath = args[0];
            desPath = args[1];
        }
        else {
            System.out.println("Usage: java -jar jarName  [des]");
            System.exit(1);
        }

        JavaSparkContext jsc = new JavaSparkContext(sparkConf);
        JavaRDD lines = jsc.textFile(srcPath, 1);

        System.out.println("Begin to split!");
        JavaRDD words = lines.flatMap(new FlatMapFunction() {
            @Override
            public Iterable call(String s) throws Exception {
                return Arrays.asList(SPACE.split(" "));
            }
        });

        System.out.println("Begin to map!");
        JavaPairRDD ones = words.mapToPair(new PairFunction() {
            @Override
            public Tuple2 call(String s) throws Exception {
                return new Tuple2(s, 1);
            }
        });

        System.out.println("Begin to reduce!");
        JavaPairRDD counts = ones.reduceByKey(new Function2() {
            @Override
            public Integer call(Integer i1, Integer i2) throws Exception {
                return i1 + i2;
            }
        });

        System.out.println("Begin to save!");
        /*List> output = counts.collect();
        for(Tuple2 tuple: output) {
            System.out.println(tuple._1() + ": " + tuple._2());
        }*/
        counts.saveAsTextFile(desPath);
        jsc.stop();
    }
}

3. 将程序打包成jar包

在File --> Project Structure...-->Artifacts点击绿色“+”，Add-->JAR-->From Modules with Dependencies

输入main class入口函数名，将Output Layout下所有jar包删掉（因为spark运行环境已经包含了这些包），然后Apply，OK

编译程序：Build-->Build Artifacts...，然后选择要编译的项目进行编译

在当前工程生成的out目录下就可以找到输出的jar包

4. 运行程序

将jar包上传至spark集群，然后使用spark-submit进行提交运行（spark-submit具体参数自行查看）

提交命令：spark-submit --class JavaWordCount ~/JavaWordCount.jar /apps/ca/yanh/data/README.md

FAQ：如果出现以下错误：

这是由于缺少本地库依赖和压缩包引起。

在此提供了这个包：http://pan.baidu.com/s/1rqkQa 

spark-submit命令: spark-submit --driver-library-path :/usr/lib/hadoop/lib/native/ --jars /usr/lib/hadoop/lib/hadoop-lzo-0.6.0.jar --class JavaWordCount ~/JavaWordCount.jar /apps/ca/yanh/data/README.md