Spark自带例子研究

在搭建好了Spark集群之后，我们第一步是看例子，example目录下有实例，可以把源代码全部拉到本地查看。

假设我们的master是一台名为"Y40"的机器，我们在集群中任何一台机器上，运行自带的SparkSQLExample，只需要在Spark所在目录下执行

./bin/spark-submit run-example --master spark://Y40:7077 sql.SparkSQLExample

就可以了。

这个例子耗时不长，时间长一点的例子运行情况可以在web ui中查看，这是运行SparkTC时候的截图

看起来很专业的样子。

---

接着我们开始自己用开发环境来研读例子代码。开发工具推荐使用InteliJ IDEA，手头的版本是社区版2016.3.4。

在插件管理界面点击“Install JetBrains plugin...”（红圈1）进入在线插件安装界面，搜索框（红圈2）里输入“scala”，如果没有安装插件，红圈3出会出现安装的按钮，在线安装完毕之后该按钮会变成重启按钮，点击重启IDEA之后scala安装就会成功了。使用这个工具的好处是自带了sbt，马上我们需要根据sbt来构建应用程序。

在新建工程之前，我们需要下载scala的sdk，这里需要注意scala的版本，必须和服务器端支撑spark的scala版本一致。本次实践scala的版本是2.11，所以我们需要下载2.11版本的scala。

这在IDEA的“Default Project Structure”界面中设置，这个界面有两个地方可以进去，一个是在欢迎界面的左下角，“Configure”的弹出菜单：“Project Defaults”-“Project Structure”，另一个是在主界面主菜单，“File”-"Other Settiings"-"Default Project Structure"。进到这个界面首先点左侧“Global Libraries”，然后点左二列的“+”，弹出菜单中选择“scala sdk”，在弹出新窗口中点击"Download..."，选择合适的scala版本就可以下载。

接下来我们新建一个sbt工程，注意选择好jdk和scala sdk的版本，新建好的目录结构如下：

接下来我们把spark的实例代码下载到src/scala或者src/scala-2.11目录下，代码在spark集群的任何一个节点中都能找到，在spark的安装目录/examples/src/main/scala目录下。

最后我们需要编辑build.sbt文件，添加工程编译所需的支持库。编辑完成的build.sbt文件如下：

name:="spark-example-scala"

version:="1.0"

scalaVersion:="2.11.8"

libraryDependencies+="org.apache.spark"%"spark-core_2.11"%"2.1.0"%"provided"

libraryDependencies+="org.apache.spark"%"spark-sql_2.11"%"2.1.0"%"provided"

libraryDependencies+="org.apache.spark"%"spark-mllib_2.11"%"2.1.0"%"provided"

libraryDependencies+="org.apache.spark"%"spark-graphx_2.11"%"2.1.0"%"provided"

libraryDependencies+="org.apache.spark"%"spark-streaming_2.11"%"2.1.0"%"provided"

libraryDependencies+="com.github.scopt"%"scopt_2.11"%"3.5.0"

libraryDependencies+="org.apache.spark"%"spark-streaming-kafka-0-8_2.11"%"2.1.0"

libraryDependencies+="org.apache.spark"%"spark-streaming-flume_2.11"%"2.1.0"

等待sbt把需要的库下载完毕之后，工程就可以编译通过了。

需要注意的是%和%%的区别，导入scopt库时，github上的写法是libraryDependencies+="com.github.scopt"%%"scopt"%"3.5.0"，%%表示sbt会自动在库名称后面加上scala的版本号，在本例中，就是会自动加上“_2.11”然后去maven库中去查找。