Intellij idea使用java編寫並執行spark程序

        初學使用Intellij idea編寫spark程序。由於公司要求用java編寫，但網上基本又是用scala來寫spark程序（雖然確實用scala來寫比java好很多），摸索之後決定把整個流程記錄下來.

開發環境：

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

步驟：

1. 創建maven工程

在src目錄下創建main/java的source文件（在File --> Project Structure...-->Modules-->Sources右鍵添加目錄和修改目錄爲source類型）

在File --> Project Structure...-->Libraries添加spark-assembly-1.1.0-hadoop2.4.0的依賴包

2. 在java目錄下編寫Wordcount例子程序

代碼：

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. 將程序打包成jar包

在File --> Project Structure...-->Artifacts點擊綠色“+”，Add-->JAR-->From Modules with Dependencies

輸入main class入口函數名，將Output Layout下所有jar包刪掉（因爲spark運行環境已經包含了這些包），然後Apply，OK

編譯程序：Build-->Build Artifacts...，然後選擇要編譯的項目進行編譯

在當前工程生成的out目錄下就可以找到輸出的jar包

4. 運行程序

將jar包上傳至spark集羣，然後使用spark-submit進行提交運行（spark-submit具體參數自行查看）

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

FAQ：如果出現以下錯誤：

這是由於缺少本地庫依賴和壓縮包引起。

在此提供了這個包：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