在本地Windows环境中编包并运行Spark程序

操作场景

在程序代码完成开发后，您可以在Windows环境中运行应用。使用Scala或Java语言开发的应用程序在IDEA端的运行步骤是一样的。

• Windows环境中目前只提供通过JDBC访问Spark SQL的程序样例代码的运行，其他样例代码暂不提供。
• 用户需保证Maven已配置华为镜像站中SDK的Maven镜像仓库，具体可参考配置华为开源镜像仓。

操作步骤

1. 获取样例代码。

   下载样例工程的Maven工程源码和配置文件，请参见获取代码样例工程。

   将样例代码导入IDEA中。

2. 获取配置文件。
   1. 从集群的客户端中获取文件。在“$SPARK_HOME/conf”中下载hive-site.xml与spark-defaults.conf文件到本地。
   2. 在集群的FusionInsight Manager页面下载所使用用户的认证文件到本地。

3. 在HDFS中上传数据。
   1. 在Liunx中新建文本文件data，将如下数据内容保存到data文件中。

      Miranda,32 
      Karlie,23 
      Candice,27

   2. 在HDFS客户端，执行如下命令获取安全认证。

      cd {客户端安装目录}

      kinit {用于认证的业务用户}

   3. 在Linux系统HDFS客户端使用命令hadoop fs -mkdir /data（hdfs dfs命令有同样的作用），创建对应目录。
   4. 在Linux系统HDFS客户端使用命令hadoop fs -put data /data，上传数据文件。

4. 在样例代码中配置相关参数。
   1. 认证用户配置。

      userPrincipal配置为所使用的用户。

      userKeytabPath配置为下载的keytab文件的路径。

      Krb5ConfPath配置为下载的krb5.conf文件的路径。

      

      域名配置为DEFAULT_REALM，在KerberosUtil类中修改DEFAULT_REALM为集群的域名。

      

   2. 将securityConfig拼接的字符串中user.principal与user.keytab修改为相应的用户名与路径。注意这里keytab的路径需要使用“/”。

      

   3. 将加载数据的sql语句改为“LOAD DATA INPATH 'hdfs:/data/data' INTO TABLE CHILD”。

      

5. 在程序运行时添加运行参数，分别为hive-site.xml与spark-defaults.conf文件的路径。

   

6. 运行程序。