皮皮网

1.【Gradle jvm插件系列4】 scala插件权威详解
2.Intellij IDEA使用Maven构建Scala开发环境
3.idea实用系列4使用Maven构建Scala项目
4.lift简介
5.scala manifest和classmanifest的区别
6.Spark-Submit 源码剖析

【Gradle jvm插件系列4】 scala插件权威详解

       Scala插件是目源码Gradle JVM插件的重要扩展，它专为Scala项目设计，源码支持混合编译Java和Scala代码。分析通过双向依赖关系，目源码你可以自由选择使用哪种语言编写，源码根据需要转换代码。分析真正c 源码此外，目源码它还允许你利用API/实现分离，源码利用java-library插件为Scala项目提供额外功能。分析

       使用Scala插件非常简单，目源码只需在构建脚本中包含相关配置。源码例如，分析你可以在示例1中找到如何引入和配置插件的目源码基本步骤。它为项目添加了ScalaCompile和ScalaDoc任务，源码并对Java编译任务的分析依赖进行了调整。

       项目布局方面，Scala插件假设存在可包含Scala和Java源代码的目录，但并不强制。自定义布局支持，如示例2所示。依赖管理上，生产代码需要声明scala-library或scala3-library_3，测试代码则分别添加到相应的compass ar 源码配置。

       配置Zinc编译器是关键步骤，Scala插件会自动推断或根据需要配置scalaClasspath，以确保编译器和工具的正确版本。对于不同版本的Gradle和Scala，兼容性表如表2提供了参考。

       除了基本配置，Scala插件还允许添加编译器插件，扩展源集属性，并处理目标字节码级别和Java API版本，确保编译时的兼容性和效率。例如，表3列出了源集属性的更改，表4则解释了Scala编译器参数的计算规则。

       在外部进程中编译和增量编译也是重要特性，它们能大幅减少编译时间。默认情况下，Scala插件启用增量编译，但可通过设置force属性强制重新编译所有代码。关于联合编译和依赖分析的细节，你可以在相关部分找到。

       最后，Eclipse和IntelliJ IDEA集成则提供了与各自IDE的pymongo 源码安装无缝集成，如添加Scala nature和Scala SDK，以支持Scala项目在这些开发环境中的顺畅工作。

Intellij IDEA使用Maven构建Scala开发环境

       在开发Scala项目时，选择合适的IDE与构建工具至关重要。根据Scala官方指南，建议使用Intellij IDEA与sbt作为开发与构建工具。然而，sbt默认依赖国外Maven仓库，导致国内用户下载速度缓慢。为了解决这一问题，推荐采用Intellij IDEA配合Scala插件与Maven构建Scala开发环境。

       一、背景：考虑到国内用户面临的下载延迟问题，使用Intellij IDEA、Scala插件和Maven构建Scala项目，是更为高效且便捷的解决方案。Maven作为构建工具，能够帮助开发者管理依赖、编译代码和执行测试，而Intellij IDEA与Scala插件则提供了友好的开发环境。

       二、软件安装：首先，同花顺花神源码确保已安装最新版本的Intellij IDEA，通过官网下载并按照指示完成安装。对于Scala插件，同样在Intellij IDEA中通过Marketplace安装，搜索并下载“Scala”插件以增强IDEA的Scala开发功能。

       三、配置：配置关键在于引入Scala编译插件和SDK。

       说明1：安装scala-maven-plugin是构建Scala项目的关键步骤。此插件允许Maven编译Scala源代码，确保构建流程顺利进行。

       说明2：安装scala-library组件，目的是让IDEA的Scala插件自动添加Scala SDK。这样，开发者无需手动指定SDK路径，简化了配置过程，提高开发效率。

       通过以上步骤，构建了一个针对国内用户优化的Scala开发环境。使用Intellij IDEA、Scala插件与Maven的组合，不仅解决了国外Maven仓库下载延迟的问题，还为开发者提供了高效、淘宝源码写入便捷的开发体验。这一配置不仅适用于初学者，也能满足有经验开发者的需求，为Scala项目开发提供强大的支持。

idea实用系列4使用Maven构建Scala项目

       借助Maven构建Scala项目可简化整个流程，因为它倾向于使用约定而非繁杂配置。Maven通过分析pom.xml文件，使得开发者能快速理解项目的结构和配置。

       要构建Scala项目，通常采用Scala Maven插件。它作为最流行的Scala项目构建工具，自动从中央仓库下载Scala和其他依赖项，无需额外安装。

       在Linux（如Debian）系统中，利用apt-get命令即可轻松安装Maven。通过下载并解压Maven文件，然后配置到环境变量中，Windows和Red Hat Linux用户也能简便安装Maven。

       为创建Scala项目，Maven提供了一个便于使用的archetype。运行archetype插件时，Maven会下载核心依赖。随后，用户只需提供一些基础信息，如groupId、artifactId和package，就能生成包含Scala和测试框架（JUnit、ScalaTest和Specs2）的初始项目结构。

       项目创建后，会在当前目录下生成一个新文件夹，用于存放项目代码和测试文件。Maven管理依赖，确保项目运行所需的所有库都已正确下载。在编写代码之前，项目目录将包含一个pom.xml文件，明确项目依赖关系和构建目标。

       项目结构包括src（存放源代码）和test（存放测试代码）文件夹，以及一个用于存放构建产物的target文件夹。在src文件夹内，进一步组织代码结构，通常包括主代码和测试代码。构建文件通过mvn package命令生成。

       若需创建包含附加属性的Jar文件，添加Maven Assembly插件能实现这一目标，简化构建过程。

       常用Maven命令，如mvn dependency:copy-dependencies, mvn clean, mvn package等，使得项目管理更加高效。添加依赖项时，根据项目需求在pom.xml中输入相应的Maven坐标。

       其他有关Maven的深入阅读和资源可通过访问其官方文档和相关社区获得，提供全面指导与案例解析。

lift简介

       Lift, 通常称为LiftWeb，是一个专为构建Web应用程序设计的框架。它在Scala编程语言的基石上构筑，特别适用于需要高度可扩展性的应用服务器，如Apache Geronimo。Scala的优势在于，它的编译方式能够生成与Java™语言极其相似的字节码，进而无缝融入Java平台。[1]

       Lift以其优雅的特性著称，它是一个基于Scala的开放源代码项目，采用Apache 2.0许可证发布。这个框架为开发者提供了创建交互式和高性能Web应用的理想平台。利用Lift构建的应用程序能够打包成WAR文件，轻松部署到诸如Jetty、Tomcat和Weblogic等流行的J2EE容器中。这使得基于Lift的应用不仅具有出色的性能，还能充分利用现有的Java库资源，极大地提升了开发效率和应用的兼容性。

扩展资料

       lift是一个非常优雅的web框架，基于Scala编程语言，使用Apache 2.0 license许可发布。lift 提供开发者最好的方式创建交互的，高性能的web应用。

scala manifest和classmanifest的区别

       Manifest是scala2.8引入的一个特质，用于编译器在运行时也能获取泛型类型的信息。在JVM上，泛型参数类型T在运行时是被“擦拭”掉的，编译器把T当作Object来对待，所以T的具体信息是无法得到的；为了使得在运行时得到T的信息，scala需要额外通过Manifest来存储T的信息，并作为参数用在方法的运行时上下文。

       def test[T] (x:T, m:Manifest[T]) { ... }

       æœ‰äº†Manifest[T]这个记录T类型信息的参数m，在运行时就可以根据m来更准确的判断T了。但如果每个方法都这么写，让方法的调用者要额外传入m参数，非常不友好，且对方法的设计是一道伤疤。好在scala中有隐式转换、隐式参数的功能，在这个地方可以用隐式参数来减轻调用者的麻烦。

       èŽ·å–class manifests的两种基本方式:

        1 def classOf[T <: Any](implicit m: scala.reflect.Manifest[T]): Class[T] = m.erasure.asInstanceOf[Class[Tï¼½

        通过implicit m: scala.reflect.Manifest[T]声明一个隐式参数，这样scala编译器能在编译时提供T的类型信息了

        2 def classOf[T <: Any : Manifest] : Class[T] = manifest[T].erasure.asInstanceOf[Class[Tï¼½

        其中 T <: Any : Manifest，拆分成两部分来看

        T <: Any

        T 是Any的子类型（即可以是任意基本类型scala.AnyVal 和引用类型 scala.AnyRef)

        T : Manifest 相当于对classOf 方法currying

        隐式增加参数列表如下：(implicit evidence$1: Manifest[T])，

        通过manifest[T] 方法即可获取Manifest实例

        可见形式1 和形式2实质是一样的。

       åº”用：

        1最常见的是获取类型参数的Class，形如someMethod[Type]

        如akka中源码： def actorOf[T <: Actor : Manifest]: ActorRef = actorOf(manifest[T].erasure.asInstanceOf[Class[_ <: Actorï¼½)

        class Worker extends Actor {

        def receive = {

        case Work(start, nrOfElements) =>

        self reply Result(calculatePiFor(start, nrOfElements)) // perform the work

        }

        }

        就可以如此使用了： val workerActorRef = actorOf[Worker]

        2 编程方式创建范型数组

        def evenElems[T: ClassManifest](xs: Vector[T]): Array[T] = {

        val arr = new Array[T]((xs.length + 1) / 2)

        for (i <- 0 until xs.length by 2)

        arr(i / 2) = xs(i)

        arr

        }

        scala> evenElems(Vector("a","b","c"))

        res: Array[java.lang.String] = Array(a, c)

Spark-Submit 源码剖析

       直奔主题吧：

       常规Spark提交任务脚本如下：

       其中几个关键的参数：

       再看下cluster.conf配置参数，如下：

       spark-submit提交一个job到spark集群中，大致的经历三个过程：

       代码总Main入口如下：

       Main支持两种模式CLI：SparkSubmit；SparkClass

       首先是checkArgument做参数校验

       而sparksubmit则是通过buildCommand来创建

       buildCommand核心是AbstractCommandBuilder类

       继续往下剥洋葱AbstractCommandBuilder如下：

       定义Spark命令创建的方法一个抽象类,SparkSubmitCommandBuilder刚好是实现类如下

       SparkSubmit种类可以分为以上6种。SparkSubmitCommandBuilder有两个构造方法有参数和无参数：

       有参数中根据参数传入拆分三种方式，然后通过OptionParser解析Args，构造参数创建对象后核心方法是通过buildCommand，而buildCommand又是通过buildSparkSubmitCommand来生成具体提交。

       buildSparkSubmitCommand会返回List的命令集合，分为两个部分去创建此List,

       第一个如下加入Driver_memory参数

       第二个是通过buildSparkSubmitArgs方法构建的具体参数是MASTER，DEPLOY_MODE，FILES，CLASS等等，这些就和我们上面截图中是对应上的。是通过OptionParser方式获取到。

       那么到这里的话buildCommand就生成了一个完成sparksubmit参数的命令List

       而生成命令之后执行的任务开启点在org.apache.spark.deploy.SparkSubmit.scala

       继续往下剥洋葱SparkSubmit.scala代码入口如下：

       SparkSubmit，kill，request都支持，后两个方法知识支持standalone和Mesos集群方式下。dosubmit作为函数入口，其中第一步是初始化LOG，然后初始化解析参数涉及到类

       SparkSubmitArguments作为参数初始化类，继承SparkSubmitArgumentsParser类

       其中env是测试用的,参数解析如下，parse方法继承了SparkSubmitArgumentsParser解析函数查找 args 中设置的--选项和值并解析为 name 和 value ，如 --master yarn-client 会被解析为值为 --master 的 name 和值为 yarn-client 的 value 。

       这之后调用SparkSubmitArguments#handle(MASTER, "yarn-client")进行处理。

       这个函数也很简单，根据参数 opt 及 value，设置各个成员的值。接上例，parse 中调用 handle("--master", "yarn-client")后，在 handle 函数中，master 成员将被赋值为 yarn-client。

       回到SparkSubmit.scala通过SparkSubmitArguments生成了args，然后调用action来匹配动作是submit,kill,request_status,print_version。

       直接看submit的action，doRunMain执行入口

       其中prepareSubmitEnvironment初始化环境变量该方法返回一个四元 Tuple ，分别表示子进程参数、子进程 classpath 列表、系统属性 map 、子进程 main 方法。完成了提交环境的准备工作之后，接下来就将启动子进程。

       runMain则是执行入口，入参则是执行参数SparkSubmitArguments

       Main执行非常的简单：几个核心步骤

       先是打印一串日志（可忽略），然后是创建了loader是把依赖包jar全部导入到项目中

       然后是MainClass的生成，异常处理是ClassNotFoundException和NoClassDeffoundError

       再者是生成Application，根据MainClass生成APP,最后调用start执行

       具体执行是SparkApplication.scala，那么继续往下剥~

       仔细阅读下SparkApplication还是挺深的，所以打算另外写篇继续深入研读~