使用IDEA開發Spark應用

來源：懂視網責編：小采時間：2020-11-09 13:05:21

使用IDEA開發Spark應用

使用IDEA開發Spark應用:IDEA 全稱IntelliJ IDEA，是java語言開發的集成環境，IntelliJ在業界被公認為最好的java開發工具之一，尤其在智能代碼助手、代碼自動提示、重構、J2EE支持、Ant、JUnit、CVS整合、代碼審查、創新的GUI設計等方面的功能都非常棒，而且IDEA是目前Scal

推薦度：

點擊下載本文 文檔為doc格式

導讀使用IDEA開發Spark應用:IDEA 全稱IntelliJ IDEA，是java語言開發的集成環境，IntelliJ在業界被公認為最好的java開發工具之一，尤其在智能代碼助手、代碼自動提示、重構、J2EE支持、Ant、JUnit、CVS整合、代碼審查、創新的GUI設計等方面的功能都非常棒，而且IDEA是目前Scal

IDEA 全稱IntelliJ IDEA，是java語言開發的集成環境，IntelliJ在業界被公認為最好的java開發工具之一，尤其在智能代碼助手、代碼自動提示、重構、J2EE支持、Ant、JUnit、CVS整合、代碼審查、創新的GUI設計等方面的功能都非常棒，而且IDEA是目前Scala支持最

IDEA 全稱IntelliJ IDEA，是java語言開發的集成環境，IntelliJ在業界被公認為最好的java開發工具之一，尤其在智能代碼助手、代碼自動提示、重構、J2EE支持、Ant、JUnit、CVS整合、代碼審查、創新的GUI設計等方面的功能都非常棒，而且IDEA是目前Scala支持最好的IDE。IDEA分ultimate和free edition版，ultimate提供了J2EE等很多非常強力的功能，free edition我覺得已經對于我這樣的初學者已經夠用了。前面寫過一篇配置IntelliJ IDEA 13的SBT和Scala開發環境，本文在這個基礎上使用IDEA進行Spark應用的配置和開發。

1. IDEA環境配置

(1). 首先在IntellJ/bin/idea64.exe.vmoptions(對應64位大內存系統)，加大IDEA的啟動內存：

-Xms512m
-Xmx1024m
-XX:MaxPermSize=512m

(2). 在IDEA中，Project相當于eclipse中的workspace，同一IDEA窗口只能打開一個workspace。而IDEA中的module等同于eclipse中的project，所以通過File – New Module來為當前Project創建一個module。

(3). IDEA會生成大量的緩存文件，來于保存配置信息、插件和項目索引文件等。，一般都會有代碼的十倍大小左右大小。在Windows下目錄為C:\Users\THINKP\.IntelliJIdea13，使用File – Invalidate Caches可以校驗索引的有效性并在需要的時候重建。IDEA會經常讀寫這些緩存文件，所以使用SSD來存儲緩存文件會提高不少性能。下面是修改緩存文件路徑的方法：
a). 關閉IDEA
b). 將cache目錄復制到對應的目錄下面。
c). 打開IntelliJ IDEA 13.1.3\bin\idea.properties文件，例如將IDEA轉移到目錄D:\Program Files\.IntelliJIdea13中，只需要修改
idea.config.path=D:/Program Files/.IntelliJIdea13/config
idea.system.path=D:/Program Files/.IntelliJIdea13/system
(4). 主題和顏色
Settings – IDE Settings – Appearance – Theme:Darcula
然后把下面override font選項勾上，選擇Yahei 14號字體。
然后重啟IDEA，界面變成了灰黑色風格，瞬間順眼了很多!

編輯器可以設置單獨的主題，當前面設置了全局主題時，編輯器的主題也會被修改。接下來，編輯器界面字體有點小，可以在Editor – Colors&Fonts – Fonts另存為一個新的主題，并在這個新主題中修改配置。我的屏幕分辨率有點大，所以設置了15號字體。

光標所在行背景顏色
Editor – Colors&Fonts – General – Caret row，選擇了藍色背景，這樣就有了較大的色差。

(5). 常用快捷鍵
界面中的Alt+1 project窗口
Alt+7 代碼結構圖
Alt+2 Favorite
F11打書簽,再按一次取消。此時Favorite - Bookmark里就有這一項。
TODO list Alt+6
注釋中以TODO開頭時，該TODO項就可以在TODO標簽頁中找到。這樣在有一些思路但是來不及做時，可以以TODO的形式寫注釋

同步項目（Detect all externally changed files and reload them from disk）Ctrl+Y
保存（Save all） Ctrl+S
undo Ctrl+Z
redo Ctrl+Shift+Y
剪切 Ctrl+X
復制 Ctrl+C
粘貼 Ctrl+V
查找 Ctrl+F
替換 Ctrl+R
光標的上一個位置（undo navigation） Ctrl+Alt+<-
光標的下一個位置（redo navigation） Ctrl+Alt+->
make Ctrl+F9
(6). 項目文件設定
行分割模式: File - Separators 選擇Windows風格(/r/n), UNIX的風格（/n）或者mac風格（/r）等等。
將文件鎖定編輯 - File - Make file read only
文件編碼設置 Project Settings - File Encodings
推薦YouMeek IDEA教程，我認為是目前詳細的IDEA教程之一。
http://www.youmeek.com/category/software-system/my-intellij-idea/

2. 使用IDEA開發Spark程序并運行

首先編輯build.sbt文件，每個配置項都要有一個空格來分割。

build.sbt
name := "sbtTest"
version := "1.0"
scalaVersion := "2.10.4"
libraryDependencies += "org.apache.spark" %% "spark-core_2.10" % "1.0.2"
libraryDependencies += "org.apache.spark" % "spark-bagel_2.10" % "1.0.2"
libraryDependencies += "org.apache.spark" % "spark-mllib_2.10" % "1.0.2"
libraryDependencies += "org.apache.spark" % "spark-graphx_2.10" % "1.0.2"
libraryDependencies += "org.apache.spark" % "spark-streaming_2.10" % "1.0.2"

打開SBT，可以觀察到SBT正在downloading dependencies。

...
[info] downloading http://repo1.maven.org/maven2/org/apache/spark/spark-bagel_2.10/1.0.2/spark-bagel_2.10-1.0.2.jar ...
[info] 	[SUCCESSFUL ] org.apache.spark#spark-bagel_2.10;1.0.2!spark-bagel_2.10.jar (5672ms)
[info] downloading http://repo1.maven.org/maven2/org/apache/spark/spark-mllib_2.10/1.0.2/spark-mllib_2.10-1.0.2.jar ...
[info] 	[SUCCESSFUL ] org.apache.spark#spark-mllib_2.10;1.0.2!spark-mllib_2.10.jar (7351ms)
[info] downloading http://repo1.maven.org/maven2/org/apache/spark/spark-graphx_2.10/1.0.2/spark-graphx_2.10-1.0.2.jar ...
[info] 	[SUCCESSFUL ] org.apache.spark#spark-graphx_2.10;1.0.2!spark-graphx_2.10.jar (6349ms)
...
...

編寫代碼，這段代碼用于處理web前端日志，其中第二列是session的ID，輸出Session訪問次數的排名。

/**
 * Created by Debugo on 2014/8/25.
 */
import org.apache.spark.{SparkContext, SparkConf}
import org.apache.spark.SparkContext._
object LogAnalyzer {
 def main(args:Array[String]): Unit ={
 if(args.length!=2) {
 System.err.println("Usage: LogAnalyzer ")
 System.exit(1)
 }
 val conf = new SparkConf().setAppName("LogAnalyzer")
 val sc = new SparkContext(conf)
 // args(0)=file:///root/access_log/access_log.20080601.decode.filter
 // args(1)=file:///root/access_log/result
 sc.textFile(args(0)).map(_.split("\t| ")).filter(_.length==6).
 map(x=>(x(1),1)).reduceByKey(_+_).map(x=>(x._2,x._1)).
 sortByKey(false).map(x=>(x._2,x._1)).saveAsTextFile(args(1))
 sc.stop()
 }
}

在sbt命令行中中compile&package

> compile
[info] Compiling 1 Scala source to C:\Users\Administrator\IdeaProjects\Spark0\target\scala-2.10\classes...
[success] Total time: 5 s, completed 2014-8-25 16:05:20
> package
[info] Packaging C:\Users\Administrator\IdeaProjects\Spark0\target\scala-2.10\spark0_2.10-1.0.jar ...
[info] Done packaging.
[success] Total time: 0 s, completed 2014-8-25 16:17:12

將jar上傳到配置spark運行庫的節點，提交job，spark會創建結果輸出的result目錄。最終RDD被分割成了5個分區。

spark-submit --master spark://debugo:7077 --class LogAnalyzer --executor-memory=10g /root/spark0_2.10-1.0.jar file:///root/access_log/access_log.20080601.decode.filter file:///root/access_log/result
...
$ ll /root/access_log/result
total 10840
-rw-r--r-- 1 root root 2708325 Aug 25 15:58 part-00000
-rw-r--r-- 1 root root 1114214 Aug 25 15:58 part-00001
-rw-r--r-- 1 root root 2239113 Aug 25 15:58 part-00002
-rw-r--r-- 1 root root 0 Aug 25 15:58 part-00003
-rw-r--r-- 1 root root 5028580 Aug 25 15:58 part-00004
-rw-r--r-- 1 root root 0 Aug 25 15:58 _SUCCESS
$ more part-00000
(11579135515147154,431)
(6383499980790535,385)
(7822241147182134,370)
(900755558064074,335)
(12385969593715146,226)
...

得到了我們想要的按session ID的排名結果。
^^