Spark项目的创建

前述概要：本次项目配置环境：IDEA 2021.2.3  Maven 3.8.3

第一步：建立一个Maven项目，创建出文件最原始的目录结构

依次点击File->New->Project

这一步JDK版本，选择14.0.2，然后依次点击Next->“给项目起名字和确定保存路径”->Finish,

(此处注意必须选择jdk14，否则会出现不可检测的错误)，如图操作。

可以看到新建成的文件结构如图所示（左），然后删除src文件，新的文件结构（右）如下。

             

第二步：对项目进行文件目录配置

主要是添加需要的文件以及对文件进行相关标记

依次点击项目包->New->Module

添加Maven模块，注意JDK从始至终都选择14版本，点击Next->“Parent选择SparkStudy”->”确定Parent项目名字和保存路径”->Finish，如图操作。

（此处补充点：Parent项目叫聚合项目，简单理解为创建Maven父项目的过程）

此时项目结构如图所示。

接下来给此时的项目中有关文件添加标记，涉及到两个文件，分别是src/main/java以及src/main/resource，对第一个文件添加Source Root标记，第二个文件添加Resource Root标记。

注意：由于IDEA版本问题，会存在上一步完成后已经对文件有过标记，是IDEA自动生成，此时的文件包长这样，如图，若不是，请完成以下两个步骤。

此时项目结构如图所示，注意与前一张图的区别，文件前图标有所变化。

依次点击java->Mark Directory as->Source Root，如图操作。

依次点击resource->Mark Directory as->Resource Root，如图操作。

第三步：添加Scala插件

由于Spark项目需要特定插件，故此时需要下载一个Plugin，名字叫做Scala。

依次点击File->Setting打开IDEA设置，如图操作。

”搜索plugin”->”搜索Scala“->选择Scala，点击Install->Apply->OK，如图操作。

（注意两个搜索框的位置）

此时开始进行项目结构相关配置，选择File->Project Structure，打开项目结构，如图操作。

依次点击Global Libraries->“+”->Scala SDK

依次点击Download->“选择2.12.11版本“->OK，等待下载，

下载完成后，选择spark-core->OK

如图是Scala配置好的样子，注意左右版本是否一致，完成后点击Apply->OK。

第四步：添加项目框架支持

选择spark-core，点击Add Framework Support

注意：此处由于IDEA版本问题，出现问题，在添加框架时没有找到Scala，如下图一，此时按照图二进行操作，删除该依赖，然后点击Apply->OK，再回归正题，继续接下来的配置。

（若在配置过程中没有下情况，则可以跳过该步骤）

图一

图二

开始添加框架，依次点击Scala->OK，注意选择版本号必须是2.12.11

第五步：Maven配置Spark依赖

由于项目由两个pom.xml文件，所以注意选择SparkStudy/spark-core/pom.xml，添加以下代码，如图所示。

（首次下载比较慢，需要等待，由于IDEA设置的问题，所以会自动下载，如没有配置过相关设置，则在添加代码后右下角会有弹框，点击import change即可）

<dependencies>
    <dependency>
        <groupId>org,apache.spark</groupId>
        <artifactId>spark-core_2.12</artifactId>
        <version>3.0.0</version>
    </dependency>
</dependencies>

注意：此处如果出现maven找不到对应spark的jar包的情况，可以参考下面的解决方式。

（若此方式无法解决问题需要自行查找解决方案）

maven的配置路径需要一致，如图所示，按照自己存储的位置做出相应更改。

第六步：创建一个class执行并验证

在src/main/java里创建Scala Class，如图操作。

选择Object->输入类名->enter

输入代码，完整代码如下：（代码中路径根据自己的情况进行修改）

import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}
object WordCount {
  def main(args: Array[String]): Unit = {
    //0. 建立和Spark框架的连接，创建 Spark 运行配置对象，获取Spark上下文
    val sparkConf = new SparkConf().setMaster("local").setAppName("WordCount");
    val sc = new SparkContext(sparkConf)
    //1.读取文件，获取一行一行的数据
    val lines: RDD[String] = sc.textFile("D:\\datas\\1.txt")
    //2. 将一行数据进行拆分，形成一个一个的单词(分词)，扁平化，将整体拆成个体的操作
    //“hello world” => hello, world
    val words: RDD[String] = lines.flatMap(_.split(" "))
    //3. 将单词进行结构的转换，方便统计，word => (word, 1)
    val wordToOne: RDD[(String, Int)] = words.map((_, 1))
    //4.将转换后的数据进行分组聚合，相同key的value进行聚合操作，(word,1) => (word, sum)
    val wordToCount: RDD[(String, Int)] = wordToOne.reduceByKey(_ + _)
    //5.将转换结果采集到控制台打印出来
    wordToCount.collect().foreach(println)
    //关闭连接
    sc.stop();
  }
}

然后执行程序，在代码页右键直接点击Run“class”

此处会出现错误，查看日志可知缺少环境变量的配置

此处会出现错误，查看日志可知路径出现问题，路径根据自己的情况进行修改

（2）打开编译器

点击Edit Configurations->找到Environment variable点击后面的小图标->点击左上角“+”->

输入变量名和bin文件地址->OK->Apply->OK，如图操作。

注意，一定要点击Apply再点击OK，否则会不生效

 

！！！注意，一定要点击Apply再点击OK，否则会不生效！！！

！！！点击顺序依次为OK->Apply->OK ！！！

创建两个文本作为test

再次执行程序WordCount，查看运行结果。

不同txt执行结果不同，但是每个和预期结果做对照，发现正确，由此，一个简单的Spark项目创建完毕。