最近在学spark，尝试在Windows+Eclipse运行程序，现在分享给大家

首先，你得把你要处理的文件上传带HDFS,怎么上传文件网上都有教程，此处不再赘述。

项目结构图

源代码

import org.apache.spark.SparkContext
import org.apache.spark.SparkContext._
import org.apache.spark.SparkConf

object SimpleApp {
  def main(args: Array[String]) {
    val logFile = "hdfs://master:9000/user/root/input/file1.txt" // 读取hdfs上的文件
    val conf = new SparkConf().setAppName("Simple Application")
    val sc = new SparkContext(conf)
    val logData = sc.textFile(logFile, 2).cache()
    val numAs = logData.filter(line => line.contains("a")).count()
    val numBs = logData.filter(line => line.contains("b")).count()
    println("Lines with a: %s, Lines with b: %s".format(numAs, numBs))
  }
}

错误解决办法

可能大家在运行的时候会报如下错误

A master URL must be set in your configuration

这是因为从提示中可以看出找不到程序运行的master，此时需要配置环境变量。

传递给spark的master url可以有如下几种：

    local 本地单线程
    local[K] 本地多线程（指定K个内核）
    local[*] 本地多线程（指定所有可用内核）
    spark://HOST:PORT 连接到指定的 Spark standalone cluster master，需要指定端口。
    mesos://HOST:PORT 连接到指定的 Mesos 集群，需要指定端口。
    yarn-client客户端模式 连接到 YARN 集群。需要配置 HADOOP_CONF_DIR。

    yarn-cluster集群模式 连接到 YARN 集群。需要配置 HADOOP_CONF_DIR。

不要慌，右键单击项目 Run Configuration进行如下配置
输入“-Dspark.master=local”即可
如下图

点击run，运行结果如下图

附：

Scala for Eclipse