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

最新のJDKをインストール
- Java SE Development Kit 8 - Downloads
- Download and install
環境変数を設定

~/.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-sparkとspark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。

例

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