Edited at

[メモ]Sparkのローカル開発環境を作った


背景

Sparkでデータの重複を除外したいので、sparkの開発環境をローカルで作ってみた。

macOS 10.14.2


必要な物


  • JDK

  • Scala

  • Spark

  • IntelliJ


    • sbt




Sparkの開発環境作成


JDK

もともとjdk1.8.0_11がインストール済みですが、そのバージョンだとうまく行かなかったので、手動で最新のJDKに更新した。

ちなみに、macOSにはデフォルトJREをインストールされてますが、JDKがないです。

「システム設定」-> 「Java」で更新してもJREしか更新されないです。


  • 古いJDKを消す


sudo rm -rf /Library/Java/JavaVirtualMachines/jdk1.8.0_201.jdk


~/.bash_profile

export JAVA_HOME="/Library/Java/JavaVirtualMachines/jdk1.8.0_201.jdk/Contents/Home/"

export PATH=$JAVA_HOME/bin:$PATH


Scala


  • Scalaをインストール

brew install scala

brew install scala@2.11

Intellijだけを使うなら、ここでscalaをインストールしなくてもよいですが、インストールしておいても損はないでしょう。

自分はscala 2.11も使いたいので、別でscala2.11もインストールした。


  • 環境変数設定


~/.bash_profile

export SCALA_HOME="/usr/local/Cellar/scala@2.11/2.11.12/"

export PATH=$SCALA_HOME/bin:$PATH


Spark


  • sparkをインストール

$ brew search spark

==> Formulae
apache-spark ✔ spark sparkey

==> Casks
homebrew/cask/spark

apache-sparksparkともありますが、sparkは全然別のものです。apache-sparkをインストールしましょう。

brew install apache-spark

$ spark-shell
2019-02-08 09:42:20 WARN NativeCodeLoader:62 - Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
Setting default log level to "WARN".
To adjust logging level use sc.setLogLevel(newLevel). For SparkR, use setLogLevel(newLevel).
2019-02-08 09:42:32 WARN Utils:66 - Service 'SparkUI' could not bind on port 4040. Attempting port 4041.
Spark context Web UI available at http://172.16.193.147:4041
Spark context available as 'sc' (master = local[*], app id = local-1549586552672).
Spark session available as 'spark'.
Welcome to
____ __
/ __/__ ___ _____/ /__
_\ \/ _ \/ _ `/ __/ '_/
/___/ .__/\_,_/_/ /_/\_\ version 2.4.0
/_/

Using Scala version 2.11.12 (Java HotSpot(TM) 64-Bit Server VM, Java 1.8.0_201)
Type in expressions to have them evaluated.
Type :help for more information.

scala> :quit


Intellij


  • Intellijをインストール


  • plugin scalaをインストール


  • plugin sbtをインストール


設定


  • SDKを設定する

最新のJDKを指定しましょう。


  • buiid.sbt

name := "test"

version := "0.1"

scalaVersion := "2.11.12"

libraryDependencies ++= Seq(
"org.apache.spark" % "spark-core_2.11" % "2.0.2"
)

注意: scalaバージョン2.12.8はうまくいかないみたい、バージョン2.11.12にしました。


import org.apache.spark.{SparkConf, SparkContext}

object BasicWordCount {
def main(args: Array[String]): Unit = {
val conf = new SparkConf().setMaster("local").setAppName("Basic word count")
val sc = new SparkContext(conf)

val textFile = sc.textFile("./README.md")
val words = textFile.flatMap(line => line.split(" "))
val wordcounts = words.map(word => (word, 1)).reduceByKey((a, b) => a + b)

wordcounts.saveAsTextFile("./wordcounts")
}
}


mavenの場合

mavenの場合は、設定はもうちょっと必要です。


  • [Project Settings] -> [Libraries]のところに、spark-core_2.11を追加する


  • [Project Settings] -> [Global Libraries] のところにscala-sdkを追加する


参照