Spark本地开发与远程调试环境搭建

先决条件

1. 已安装好Spark集群，本例子中使用的是spark-1.5.0. 安装方法参见：http://blog.csdn.net/lovehuangjiaju/article/details/48494737
2. 已经安装好Intellij IDEA，本例中使用的是Intellij IDEA 14.1.4，具体安装方法参见：http://blog.csdn.net/lovehuangjiaju/article/details/48577281

远程调试环境搭建过程详述

1. 打开Intellij IDEA，File->New ->Project
   

2. 选择Scala，然后next
   

3. 配置好JDK、Scala版本，填入项目名称，然后Finish
   

4.导入spark-assembly-1.5.0-hadoop2.4.0.jar

File->Prject Structure->Library

点”+”号->选择JAVA

找到spark-1.5.0安装目录，选择spark-assembly-1.5.0-hadoop2.4.0.jar，我的机器上jar包目录为
/hadoopLearning/spark-1.5.0-bin-hadoop2.4/lib/spark-assembly-1.5.0-hadoop2.4.0.jar，然后Finish

最后点击“OK”完成导入

5.关联spark-1.5.0源代码
在Extended Library中展开spark-assembly-1.5.0-hadoop2.4.0.jar

找到org->apache->spark

点开下面包中的任意源文件，我在本机上选择”SparkContext.class”文件，默认情况下Intellij IDEA会为我们反编译.class文件，但源码里面没有注释，可以选择右上角的”Attach Sources”

选择源码文件目录，我的机器上源码解压在/hadoopLearning/spark-1.5.0目录，完成后“OK”

完成后会提示根目录

全部选择后点击“OK”，此时显示的不是反编译后的代码，而是关联源代码后的代码，你会发现多了很多注释

至此源码阅读环境构建完毕。

6.启动spark-1.5.0集群
root@sparkmaster:/hadoopLearning/spark-1.5.0-bin-hadoop2.4/sbin# ./start-all.sh

7.修改spark-class脚本 
本机器上的spark-class脚本位于/hadoopLearning/spark-1.5.0-bin-hadoop2.4/bin目录
将脚本中的内容

done < <("$RUNNER" -cp "$LAUNCH_CLASSPATH" org.apache.spark.launcher.Main "$@")
1
1

修改为

done < <("$RUNNER" -cp "$LAUNCH_CLASSPATH" org.apache.spark.launcher.Main $JAVA_OPTS "$@")
1
1

然后在命令行中执行下列语句
export JAVA_OPTS="$JAVA_OPTS -Xdebug -Xrunjdwp:transport=dt_socket,server=y,suspend=y,address=5005"

1. 创建用于测试的Spark应用程序
   选择项目中的src文件，然后右键 New->Scala Class
   
   然后选择Object
   
   命名为SparkWordCount，然后点击OK，输入如下内容

import org.apache.spark.SparkContext._import org.apache.spark.{SparkConf, SparkContext}object SparkWordCount{  def main(args: Array[String]) {    if (args.length == 0) {      System.err.println("Usage: SparkWordCount <inputfile> <outputfile>")      System.exit(1)    }    val conf = new SparkConf().setAppName("SparkWordCount")    val sc = new SparkContext(conf)    val file=sc.textFile("file:///hadoopLearning/spark-1.5.1-bin-hadoop2.4/README.md")    val counts=file.flatMap(line=>line.split(" "))      .map(word=>(word,1))      .reduceByKey(_+_)    counts.saveAsTextFile("file:///hadoopLearning/spark-1.5.1-bin-hadoop2.4/countReslut.txt")  }}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

9 将Spark应用程序打包
选择项目，File->Project Structure

选择 Artifacts

点击“+”号，然后选择”Jar”->”From modules with dependencies”

选择SparkWordCount作为MainClass

Spark应用程序在运行是会自动加载spark-assembly-1.5.0-hadoop2.4.0.jar等jar包，为减少后期Jar包的体积，可以将spark-assembly-1.5.0-hadoop2.4.0.jar等jar包删除，这样打包时不会被打包进去。

完成后点击”OK”

再选择”Build”->”Build Artifacts”

Action中选择“Build”

编译后在对应目录中可以看到生成的jar包文件，本机器上的目录是：
/root/IdeaProjects/SparkRemoteDebugPeoject/out/artifacts/SparkRemoteDebugPeoject_jar

10 将代码利用spark-submit提交到集群

root@sparkmaster:/hadoopLearning/spark-1.5.0-bin-hadoop2.4/bin# ./spark-submit --master spark://sparkmaster:7077 --class SparkWordCount --executor-memory 1g /root/IdeaProjects/SparkRemoteDebugPeoject/out/artifacts/SparkRemoteDebugPeoject_jar hdfs://ns1/README.md hdfs://ns1/SparkWordCountResult//注意这一行语句Listening for transport dt_socket at address: 5005
1
2
3
4
1
2
3
4

11 Intellij IDEA中配置远程调试
Run->Edit  Configuration

找到Remote

点击”+“号，命名为Spark_Remote_Debug，其它配置默认，Intellij IDEA已为我们默认配置

完成后，点击OK

12  正式启动远程调试
在源码中设置断点，本例中选择在SparkSubmit.scala文件中设置断点

然后按 F9

选择Spark_Remote_Debug
Spark控制台出现：Connected to the target VM, address: ‘localhost:5005’, transport: ‘socket’，如下图

在Debugger上可以看到

程序在运行SparkSubmit源码中设置断点处

至此，远程调试正式开始，请畅游Spark源代码吧

最后说明一下调试参数：
参见：http://www.thebigdata.cn/QiTa/12370.html

-Xdebug -Xrunjdwp:transport=dt_socket,server=y,suspend=y,address=5005参数说明：-Xdebug 启用调试特性-Xrunjdwp 启用JDWP实现，包含若干子选项：transport=dt_socket JPDA front-end和back-end之间的传输方法。dt_socket表示使用套接字传输。address=5005 JVM在5005端口上监听请求，这个设定为一个不冲突的端口即可。server=y y表示启动的JVM是被调试者。如果为n，则表示启动的JVM是调试器。suspend=y y表示启动的JVM会暂停等待，直到调试器连接上才继续执行。suspend=n，则JVM不会暂停等待。