（1） 準備工作
在正式介紹之前，先要以下軟硬件準備：
軟件準備：
Eclipse Juno版本（4.2版本），可以直接點擊這裏下載：Eclipse 4.2
Scala 2.9.3版本，Window安裝程序可以直接點擊這裏下載：Scala 2.9.3
Eclipse Scala IDE插件，可直接點擊這裏下載：Scala IDE(for Scala 2.9.x and Eclipse Juno)
硬件準備
裝有Linux或者Windows操作系統的機器一臺
（2） 構建Spark集成開發環境
我是在windows操作系統下操作的，流程如下：
步驟1：安裝scala 2.9.3：直接點擊安裝即可。
步驟2：將Eclipse Scala IDE插件中features和plugins兩個目錄下的所有文件拷貝到Eclipse解壓後對應的目錄中
步驟3：重新啓動Eclipse，點擊eclipse右上角方框按鈕，如下圖所示，展開後，點擊“Other….”，查看是否有“Scala”一項，有的話，直接點擊打開，否則進行步驟4操作。
步驟4：在Eclipse中，依次選擇“Help” –> “Install New Software…”，在打開的卡里填入http://download.scala-ide.org/sdk/e38/scala29/stable/site，並按回車鍵，可看到以下內容，選擇前兩項進行安裝即可。（由於步驟3已經將jar包拷貝到eclipse中，安裝很快，只是疏通一下）安裝完後，重複操作一遍步驟3便可。
（3） 使用Scala語言開發Spark程序
在eclipse中，依次選擇“File” –>“New” –> “Other…” –> “Scala Wizard” –> “Scala Project”，創建一個Scala工程，並命名爲“SparkScala”。
右擊“SaprkScala”工程，選擇“Properties”，在彈出的框中，按照下圖所示，依次選擇“Java Build Path” –>“Libraties” –>“Add External JARs…”，導入文章“Apache Spark學習：將Spark部署到Hadoop 2.2.0上”中給出的
assembly/target/scala-2.9.3/目錄下的spark-assembly-0.8.1-incubating-hadoop2.2.0.jar，這個jar包也可以自己編譯spark生成，放在spark目錄下的assembly/target/scala-2.9.3/目錄中。
跟創建Scala工程類似，在工程中增加一個Scala Class，命名爲：WordCount，整個工程結構如下：
WordCount就是最經典的詞頻統計程序，它將統計輸入目錄中所有單詞出現的總次數，Scala代碼如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
import
org.apache.spark._import
SparkContext._object
WordCount { def
main(args:
Array[String]) { if
(args.length !=
3
){ println("usage
is org.test.WordCount <master> <input> <output>") return } val
sc =
new
SparkContext(args(0),
"WordCount", System.getenv("SPARK_HOME"),
Seq(System.getenv("SPARK_TEST_JAR"))) val
textFile =
sc.textFile(args(1)) val
result =
textFile.flatMap(line =>
line.split("\\s+")) .map(word
=>
(word, 1)).reduceByKey(_
+ _) result.saveAsTextFile(args(2)) }} |
在Scala工程中，右擊“WordCount.scala”，選擇“Export”，並在彈出框中選擇“Java” –> “JAR File”，進而將該程序編譯成jar包，可以起名爲“spark-wordcount-in-scala.jar”，我導出的jar包下載地址是 spark-wordcount-in-scala.jar。
該WordCount程序接收三個參數，分別是master位置，HDFS輸入目錄和HDFS輸出目錄，爲此，可編寫run_spark_wordcount.sh腳本：
# 配置成YARN配置文件存放目錄
export YARN_CONF_DIR=/opt/hadoop/yarn-client/etc/hadoop/
SPARK_JAR=./assembly/target/scala-2.9.3/spark-assembly-0.8.1-incubating-hadoop2.2.0.jar \
./spark-class org.apache.spark.deploy.yarn.Client \
–jar spark-wordcount-in-scala.jar \
–class WordCount \
–args yarn-standalone \
–args hdfs://hadoop-test/tmp/input \
–args hdfs:/hadoop-test/tmp/output \
–num-workers 1 \
–master-memory 2g \
–worker-memory 2g \
–worker-cores 2
需要注意以下幾點：WordCount程序的輸入參數通過“-args”指定，每個參數依次單獨指定，第二個參數是HDFS上的輸入目錄，需要事先創建好，並上傳幾個文本文件，以便統計詞頻，第三個參數是HDFS上的輸出目錄，動態創建，運行前不能存在。
直接運行run_spark_wordcount.sh腳本即可得到運算結果。
在運行過程中，發現一個bug，org.apache.spark.deploy.yarn.Client有一個參數“–name”可以指定應用程序名稱：
但是使用過程中，該參數會阻塞應用程序，查看源代碼發現原來是個bug，該Bug已提交到Spark jira上：
|
1
2
3
4
5
6
7
8
9
10
11
12
|
//
位置：new-yarn/src/main/scala/org/apache/spark/deploy/yarn/ClientArguments.scala case
("--queue")
::
value ::
tail => amQueue
=
value args
=
tail case
("--name")
::
value ::
tail => appName
=
value args
=
tail //漏了這行代碼，導致程序阻塞 case
("--addJars")
::
value ::
tail => addJars
=
value args
=
tail |
因此，大家先不要使用“–name”這個參數，或者修復這個bug，重新編譯Spark。
（4） 使用Java語言開發Spark程序
方法跟普通的Java程序開發一樣，只要將Spark開發程序包spark-assembly-0.8.1-incubating-hadoop2.2.0.jar作爲三方依賴庫即可。
（5） 總結
初步試用Spark On YARN過程中，發現問題還是非常多，使用起來非常不方便，門檻還是很高，遠不如Spark On Mesos成熟。
轉載自：http://dongxicheng.org/framework-on-yarn/spark-eclipse-ide/