环境准备
因为Spark是scala语言开发的，scala是java语言开发的，所以需要安装JDK和scala。
JDK1.8 maven-3.8.5 Scala-2.12.15 IDEA-2021.3.3
JDK
注意： 是安装JDK不是JAVA(JRE)
JDK是Java的开发工具 JRE只是Java程序的运行环境 JDK包含JER
安装包： jdk-8u333-windows-x64.exe
下载
https://www.oracle.com/java/technologies/downloads/#java8-windows
安装
修改JRE安装目录
配置环境变量
测试java环境是否配置成功
按Win+R，输入cmd进入dos界面
输入 java –version 出现如下界面说明成功。
Maven
下载
https://maven.apache.org/download.cgi
安装
下载之后解压到(目录可自己定)D:\Program Files\apache-maven-3.8.5
配置
并创建本地maven仓库地址((目录可自己定))D:\Program Files\apache-maven-3.8.5\resp
修改配置文件D:\Program Files\apache-maven-3.8.5\conf\settings.xml
设置本地资源库地址(默认${user.home}/.m2/repository)
<localRepository>D:\Program Files\apache-maven-3.8.5\resp</localRepository>
Maven中央存储库与远程存储库配置
<mirrors>
<mirror>
<id>nexus-aliyun</id>
<mirrorOf>*</mirrorOf>
<name>Nexus aliyun</name>
<url>http://maven.aliyun.com/nexus/content/groups/public</url>
</mirror>
</mirrors>
配置maven环境变量
M2_HOME D:\Program Files\apache-maven-3.8.5
MAVEN_HOME D:\Program Files\apache-maven-3.8.5
测试是配置是否成功
mvn -v
出现如下内容，说明成功
scala
下载
https://www.scala-lang.org/download/2.12.15.html
Scala-2.12.15.zip
安装
解压到安装目录
D:\Program Files\scala-2.12.15
配置环境变量
测试是否安装成功
IDEA
下载
官网下载(可选择下载版本)
https://www.jetbrains.com/idea/download/other.html
ideaIU-2021.3.3.exe
注意区分专业版和社区版，专业版需要激活使用。我下载的是专业版，后续有激活教程。
安装
可修改安装目录
是否创建桌面快捷方式
勾选上启动IDEA选项
试用(临时激活)
永久激活需要创建项目之后操作。
下载插件包
链接：https://pan.baidu.com/s/13FLQWAsPj_E1cK29jR96Bw
提取码：f07q
启动
登陆
进入界面，需要注册帐号登陆。
试用
登陆之后，选择试用(30天)。
如果试用期已经到了，这里是无法进入的。需要使用临时激活码激活。
临时激活码
临时激活码(每天更新的),有效期30天。
下载临时激活码
https://www.jihuooo.com/jhm/code1.zip
我的试用期已经到了,输入临时激活码。
汉化
汉化(不想汉化的，可忽略)
安装汉化插件
安装好之后，重启IDEA。
重启之后，显示已汉化
创建项目
选择maven
设置项目名称和路径
创建完成，进入主界面会使用有小提示。
永久激活
下载激活插件包
链接：https://pan.baidu.com/s/13FLQWAsPj_E1cK29jR96Bw?pwd=f07q
提取码：f07q
解压到D:\hadoop\software\ja-netfilter-v2.2.2
把ja-netfilter.jar添加到idea64.exe.vmoptions(帮助 => 编辑自定义VM选项)
-javaagent:D:\hadoop\software\ja-netfilter-v2.2.2\ja-netfilter.jar
重启查看到期时间
maven设置
安装scala插件
安装完之后，重启IDEA
重启之后，会自动更新maven资源库
添加scala框架支持
在pom.xml中添加Spark 框架的依赖
目录说明
1 .idea ⽂件夹 ：存放项⽬的控制信息，包括版本信息，历史记录等等。（上传SVN以及分享代码给别⼈时不需要） 2 src 项⽬的代码存放⽂件夹 3 main 项⽬正式代码⽂件 3 java 默认存放java代码的⽂件夹 4 resource 资源⽂件夹，存放配置⽂件和⼀些数据 5 test 项⽬测试⽂件夹 6 java 测试的java代码 7 pom⽂件 项⽬的maven依赖包和⼀些插件的配置
WordCount
需求说明：通过spark实现词频统计
目录准备
在main下面新建spark目录
将目录转为源文件类型
在spark下新建scala类
命名为wordCount，选择Object
数据准备
在项目下，创建datas/words/data1.txt、data2.txt文件
hello world hello spark hello scala
hello world hello spark hello scala hello java
wordCount代码
1 import org.apache.spark.{SparkConf, SparkContext}
2
3 object wordCount {
4 def main(args: Array[String]): Unit = {
5 // 创建spark运行配置对象 初始化环境
6 val conf = new SparkConf().setMaster("local[*]").setAppName("WordCount")
7
8 // 创建连接对象
9 val sc = new SparkContext(conf)
10
11 // 设置日志类型
12 sc.setLogLevel("WARN")
13
14 // 读取文件
15 val fileRDD = sc.textFile("datas/words")
16
17 // 将文件数据进行分词，按空格切分为单个词
18 val wordRDD = fileRDD.flatMap(_.split(" "))
19
20 // 转换数据结构 word => (word,1),每个词标记为1
21 val word2OneRDD = wordRDD.map((_,1))
22
23 // 分组聚合，按词分组计数
24 val word2CountRDD = word2OneRDD.reduceByKey(_ + _)
25
26 // 直接输出，打印结果
27 println("============ 直接输出，打印结果 ============")
28 word2CountRDD.foreach(println)
29
30 // 把聚合结果采集到内存中，在输出
31 println("============ 把聚合结果采集到内存中，在输出 ============")
32 val collect = word2CountRDD.collect().toBuffer
33 collect.foreach(println)
34
35 // 保存到本地 , repartition指定分区个数为1时，结果为文件，否则为文件夹。
36 word2CountRDD.repartition(1).saveAsTextFile("datas/words/result")
37 // word2CountRDD.saveAsTextFile("datas/output/result")
38
39 println("已保存到本地: datas/words/result")
40
41 // 关闭连接
42 sc.stop()
43
44 println("执行结束")
45 }
46 }
wordCount
执行结果
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
