用SBT编译Spark的WordCount程序

问题导读：
1.什么是sbt？
2.sbt项目环境如何建立？
3.如何使用sbt编译打包scala?

sbt介绍
sbt是一个代码编译工具，是scala界的mvn，可以编译scala，java等，需要java1.6以上。

sbt项目环境建立
sbt编译需要固定的目录格式，并且需要联网，sbt会将依赖的jar包下载到用户home的.ivy2下面，目录结构如下：

|--build.sbt
|--lib
|--project
|--src
|   |--main
|   |    |--scala
|   |--test
|         |--scala
|--sbt
|--target
复制代码

以上建立目录如下：

mkdir -p ~/spark_wordcount/lib
mkdir -p ~/spark_wordcount/project
mkdir -p ~/spark_wordcount/src/main/scala
mkdir -p ~/spark_wordcount/src/test/scala
mkdir -p ~/spark_wordcount/target
复制代码

然后拷贝spark安装目录的sbt目录的 sbt脚本和sbt的jar包

cp /path/to/spark/sbt/sbt* ~/spark_wordcount/
复制代码

由于spark的sbt脚本默认查找./sbt目录，修改如下

JAR=sbt/sbt-launch-${SBT_VERSION}.jar
to
JAR=sbt-launch-${SBT_VERSION}.jar
复制代码

拷贝spark的jar包到，sbt的lib目录

cp /path/to/spark/assembly/target/scala-2.10/spark-assembly_2.10-0.9.0-incubating-hadoop2.2.0.jar \
> ~/spark_wordcount/lib/ 
复制代码

建立build.sbt配置文件,各行需要有一个空行分割

name := "WordCount"
[this is bank line]
version := "1.0.0"
[this is bank line]
scalaVersion := "2.10.3"
复制代码

由于spark的sbt脚本需要到project的build.properties文件找sbt的版本号，我们建立该文件，增加如下内容：

sbt.version=0.12.4
复制代码

Spark WordCount程序编写及编译
建立WordCount.scala源文件，假设需要包为spark.example

mkdir -p ~/spark_wordcount/src/main/scala/spark/example
vi -p ~/spark_wordcount/src/main/scala/spark/example/WordCount.scala
复制代码

添加具体的程序代码，并保存

package spark.example
 
import org.apache.spark._
import SparkContext._
 
object WordCount {
  def main(args: Array[String]) {
    //命令行参数个数检查
    if (args.length == 0) {
      System.err.println("Usage: spark.example.WordCount <input> <output>")
      System.exit(1)
    }
    //使用hdfs文件系统
    val hdfsPathRoot = "hdfshost:9000"
    //实例化spark的上下文环境
    val spark = new SparkContext(args(0), "WordCount",
      System.getenv("SPARK_HOME"),SparkContext.jarOfClass(this.getClass))
    //读取输入文件
    val inputFile = spark.textFile(hdfsPathRoot + args(1))
    //执行WordCount计数
    //读取inputFile执行方法flatMap，将每行通过空格分词
    //然后将该词输出该词和计数的一个元组，并初始化计数
    //为 1，然后执行reduceByKey方法，对相同的词计数累
    //加
    val countResult = inputFile.flatMap(line => line.split(" "))
                      .map(word => (word, 1))
                      .reduceByKey(_ + _)
    //输出WordCount结果到指定目录
    countResult.saveAsTextFile(hdfsPathRoot + args(2))
  }
}
复制代码

到spark_wordcount目录，执行编译：

cd ~/spark_wordcount/
./sbt compile
复制代码

打成jar包

./sbt package
复制代码

编译过程，sbt需要上网下载依赖工具包，jna，scala等。编译完成后可以在target/scala-2.10/目录找到打包好的jar

[root@bd001 scala-2.10]# pwd
/usr/local/hadoop/spark_wordcount/target/scala-2.10
[root@bd001 scala-2.10]# ls
cache  classes  wordcount_2.10-1.0.0.jar
复制代码

WordCount执行
可以参考Spark分布式运行于hadoop的yarn上的方法，写一个执行脚本

#!/usr/bin/env bash
 
SPARK_JAR=./assembly/target/scala-2.10/spark-assembly_2.10-0.9.0-incubating-hadoop2.2.0.jar \
    ./bin/spark-class org.apache.spark.deploy.yarn.Client \
      --jar ~/spark_wordcount/target/scala-2.10/wordcount_2.10-1.0.0.jar \
      --class  spark.example.WordCount \
      --args yarn-standalone \
      --args /testWordCount.txt \
      --args /resultWordCount \
      --num-workers 3 \
      --master-memory 4g \
      --worker-memory 2g \
      --worker-cores 2
复制代码

然后，拷贝一个名为testWordCount.txt的文件进hdfs

hdfs dfs -copyFromLocal ./testWordCount.txt /testWordCount.txt
复制代码

然后执行脚本，过一会就可以看到结果了

刚果 · 发表于 2015-4-21 20:37:08

spark目录下哪里有sbt目录？？？？？
spark1.2.0

xbings · 发表于 2016-5-16 15:57:58

spark-1.6 目录下也没有sbt目录，楼主，咋整。。。

Asakariayisa · 发表于 2016-6-9 14:55:55

拷贝spark的jar包到，sbt的lib目录
cp /path/to/spark/assembly/target/scala-2.10/spark-assembly_2.10-0.9.0-incubating-hadoop2.2.0.jar \
> ~/spark_wordcount/lib/
这一步复制的是什么jar? 是spark的lib目录里的jar还是spark的安装包？
我的spark安装包是.gz格式的