在IDEA中編寫spark程序

這里以一個scala版本的word count 程序為例：
①創建一個maven項目：

②填寫maven的GAV：

③填寫項目名稱：

④ 創建好 maven 項目后，點擊 Enable Auto-Import

⑤配置pom.xml文件：

<properties>
    <project.build.sourceEncoding>UTF8</project.build.sourceEncoding> 
  <maven.compiler.source>1.8</maven.compiler.source> 
  <maven.compiler.target>1.8</maven.compiler.target> 
  <encoding>UTF-8</encoding> 
  <scala.version>2.11.8</scala.version> 
  <spark.version>2.3.1</spark.version> 
  <hadoop.version>2.7.6</hadoop.version> 
  <scala.compat.version>2.11</scala.compat.version> 
 </properties>
 <dependencies>
  <dependency>
  <groupId>org.scala-lang</groupId> 
  <artifactId>scala-library</artifactId> 
  <version>${scala.version}</version> 
  </dependency>
  <dependency>
  <groupId>org.apache.spark</groupId> 
  <artifactId>spark-core_2.11</artifactId> 
  <version>${spark.version}</version> 
  </dependency>
  <dependency>
  <groupId>org.apache.spark</groupId> 
  <artifactId>spark-sql_2.11</artifactId> 
  <version>${spark.version}</version> 
  </dependency>
  <dependency>
  <groupId>org.apache.spark</groupId> 
  <artifactId>spark-streaming_2.11</artifactId> 
  <version>${spark.version}</version> 
  </dependency>
  <dependency>
  <groupId>org.apache.spark</groupId> 
  <artifactId>spark-graphx_2.11</artifactId> 
  <version>${spark.version}</version> 
  </dependency>
  <dependency>
  <groupId>org.apache.spark</groupId> 
  <artifactId>spark-mllib_2.11</artifactId> 
  <version>${spark.version}</version> 
  </dependency>
  <dependency>
  <groupId>org.apache.hadoop</groupId> 
  <artifactId>hadoop-client</artifactId> 
  <version>${hadoop.version}</version> 
  </dependency>
</dependencies>

編寫代碼：

object WordCount {
    def main(args: Array[String]): Unit = {
        //獲取集群入口
        val conf: SparkConf = new SparkConf()
        conf.setAppName("WordCount")
        val sc = new SparkContext(conf)
        //從 HDFS 中讀取文件
        val lineRDD: RDD[String] = sc.textFile("hdfs://zzy/data/input/words.txt")
        //做數據處理
        val wordRDD: RDD[String] = lineRDD.flatMap(line=>line.split("\\s+"))
        val wordAndCountRDD: RDD[(String, Int)] = wordRDD.map(word=>(word,1))
        //將結果寫入到 HDFS 中
        wordAndCountRDD.reduceByKey(_+_).saveAsTextFile("hdfs://zzy/data/output")
        //關閉編程入口
        sc.stop()
    }
}

打jar包：
在pom.xml中加入相應的插件：

<build>
    <pluginManagement><!-- lock down plugins versions to avoid using Maven defaults (may be moved to parent pom) -->
      <plugins>
        <!-- clean lifecycle, see https://maven.apache.org/ref/current/maven-core/lifecycles.html#clean_Lifecycle -->
        <plugin>
          <artifactId>maven-clean-plugin</artifactId>
          <version>3.1.0</version>
        </plugin>
        <!-- default lifecycle, jar packaging: see https://maven.apache.org/ref/current/maven-core/default-bindings.html#Plugin_bindings_for_jar_packaging -->
        <plugin>
          <artifactId>maven-resources-plugin</artifactId>
          <version>3.0.2</version>
        </plugin>
        <plugin>
          <artifactId>maven-compiler-plugin</artifactId>
          <version>3.8.0</version>
        </plugin>
        <plugin>
          <artifactId>maven-surefire-plugin</artifactId>
          <version>2.22.1</version>
        </plugin>
        <plugin>
          <artifactId>maven-jar-plugin</artifactId>
          <version>3.0.2</version>
        </plugin>
        <plugin>
          <artifactId>maven-install-plugin</artifactId>
          <version>2.5.2</version>
        </plugin>
        <plugin>
          <artifactId>maven-deploy-plugin</artifactId>
          <version>2.8.2</version>
        </plugin>
        <!-- site lifecycle, see https://maven.apache.org/ref/current/maven-core/lifecycles.html#site_Lifecycle -->
        <plugin>
          <artifactId>maven-site-plugin</artifactId>
          <version>3.7.1</version>
        </plugin>
        <plugin>
          <artifactId>maven-project-info-reports-plugin</artifactId>
          <version>3.0.0</version>
        </plugin>
      </plugins>
    </pluginManagement>
  </build>

然后：

將jar包上傳到集群中運行：

spark-submit \
--class com.zy.scala.WordCount \
--master yarn \
--deploy-mode cluster \
--driver-memory 200M \
--executor-memory 200M \
--total-executor-cores 1 \
hdfs://zzy/data/jar/ScalaTest-1.0-SNAPSHOT.jar \

此時在yarn的web就能查看相應的程序的運行進度。
這時候，程序總是異常的結束：

我就使用：
yarn logs -applicationId application_1522668922644_40211 查看了一下報錯信息。
結果：not fount class :scala.WordCount.
然后我就在想是不是jar包出現了問題，我就打開了，之前上傳的jar包，果然根本找不到 我打jar的程序，只有一個，META-INF，此時 我就百思不得不得解，然后由重新反復嘗試了很多次，還是解決不了。后來吃個飯回來，突然想到是不是maven不能將scala編寫的程序打成jar包，后來通過百度，發現了：
maven 默認只編譯java 的文件，而不會編譯scala 文件。但是maven 提供了 能夠編譯scala 的類庫。
好心的博主：scala 在IDEA打jar包相關問題：https://blog.csdn.net/freecrystal_alex/article/details/78296851
然后 我修改了pom.xml文件：
http://down.51cto.com/data/2457588
按照上述的步驟，重新的向集群提交了一次任務，結果不盡人意，又出錯了：
但是這一次錯誤和上次的不同（說明上一個問題已經解決）：

這才明白，原來是Driver進程分配的內存太小了，最少應該大于450M，之后我又修改了 --driver-memory 512M --executor-memory 512M，重新提交任務。結果運行成功?。?！

注意：
這里使用的是yarn的任務調用，不是spark自帶的standalone,需要加入的參數：
--master yarn
--deploy-mode cluster
這里的--deploy-mode，使用的是cluster集群模式，client是客戶端模式。
二者的區別是：client表示，在哪個節點提交，Driver就哪里啟動，而cluster模式表示當將Driver放入到集群中啟動。