Spark单词统计笔记

1.sc
SparkContext,Spark程序的入口点,封装了整个spark运行环境的信息。
2.进入spark-shell

$>spark-shell
$scala>sc

API:
SparkContext
RDD:
resilient distributed dataset,弹性分布式数据集。等价于集合。
spark实现Wordcount

//加载文本文件,以换行符方式切割文本。Array(hello world2,hello world2,...)
val  rdd1 = sc.textFile("/home/ubuntu/test.txt");
val rdd2 = rdd1.flatMap(line=>line.split(" "));
val rdd3 = rdd2.map(word=>(word,1));
val rdd4 = rdd3.reduceByKey(_+_);
rdd4.collect
一行代码:
scala> sc.textFile("/home/ubuntu/test.txt").flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).collect
结果:
res2: Array[(String, Int)] = Array((world2,2), (world4,1), (hello,4), (world3,1))
过滤包含“wor”的单词
scala> sc.textFile("/home/ubuntu/test.txt").flatMap(_.split(" ")).filter(_.contains("wor")).map((_,1)).reduceByKey(_+_).collect
res3: Array[(String, Int)] = Array((world2,2), (world4,1), (world3,1))

windows下:
idea编写Scala程序,引入spark类库,完成wordcount
1.添加Scala框架支持,没有则安装Scala插件(2.11.8),spark最新版本2.3.2(scala2.11.8)
2.maven添加spark依赖

 <dependency>
    <groupId>org.apache.spark</groupId>
        <artifactId>spark-core_2.11</artifactId>
    <version>2.3.2</version>
 </dependency>

Scala版本

import org.apache.spark.{SparkConf, SparkContext}

/**
  * scala版本
  */
object WordCountScala {
  def main(args: Array[String]): Unit = {
    //创建spark配置对象
    val conf = new SparkConf();
    //conf.setAppName("WordCountScala");
    //设置master属性
    //conf.setMaster("local");
    //通过conf创建sc
    val sc = new SparkContext(conf);

    //加载文本文件
//    val rdd1 = sc.textFile("d:/scala/test.txt");
    val rdd1 = sc.textFile(args(0));
    //压扁
    val rdd2 = rdd1.flatMap(line => line.split("\\s+"));
    //映射w=>(w,1)
    val rdd3 = rdd2.map((_, 1))
    val rdd4 = rdd3.reduceByKey(_ + _)
    val r = rdd4.collect()
    r.foreach(println)

  }
}

java版本

package com.it18zhang.spark.java;

import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.api.java.function.FlatMapFunction;
import org.apache.spark.api.java.function.Function2;
import org.apache.spark.api.java.function.PairFunction;
import scala.Tuple2;

import java.util.ArrayList;
import java.util.Iterator;
import java.util.List;

/**
 * java版本
 */
public class WordCountJava2 {
    public static void main(String[] args) {
        //创建SparkConf对象
        SparkConf conf = new SparkConf();
        //conf.setAppName("WordCountJava2");
        //conf.setMaster("local");

        //上下文
        JavaSparkContext sc = new JavaSparkContext(conf);
        //加载文本文件
//        JavaRDD<String> rdd1 = sc.textFile("d:/scala/test.txt");
        JavaRDD<String> rdd1 = sc.textFile(args[0]);
        //接口回调机制产生匿名内部类对象
        JavaRDD<String> rdd2 = rdd1.flatMap(new FlatMapFunction<String, String>() {
            public Iterator<String> call(String s) throws Exception {
                List<String> list = new ArrayList<String>();
                String[] arr = s.split("\\s+");
                for (String ss:arr){
                    list.add(ss);
                }
                return list.iterator();
            }
        });
        //映射,word=>(word,1)
        JavaPairRDD<String, Integer> rdd3 = rdd2.mapToPair(new PairFunction<String, String, Integer>() {
            public Tuple2<String, Integer> call(String s) throws Exception {
                return new Tuple2<String, Integer>(s, 1);
            }
        });

        //reduce化简
        JavaPairRDD<String, Integer> rdd4 = rdd3.reduceByKey(new Function2<Integer, Integer, Integer>() {
            public Integer call(Integer v1, Integer v2) throws Exception {
                return v1 + v2;
            }
        });

        List<Tuple2<String, Integer>> list = rdd4.collect();
        for (Tuple2 t:list){
            System.out.println(t._1() + ":" + t._2());
        }
    }
}

打包成 SparkDemo1-1.0-SNAPSHOT.jar

spark-submit --master local --class com.it18zhang.spark.scala.WordCountScala --name MyWordCount SparkDemo1-1.0-SNAPSHOT.jar /home/ubuntu/test.txt 

Spark集群模式

1.local
  nothing!
  spark-shell --master local;  //默认
2.standalone
  独立模式
a.复制spark目录到其他主机
b.配置其他主机的所有环境变量
  [/etc/profile]
  SPARK_HOME
  PATH
c.配置master节点的slaves
  s1
  s2
  s3
d.启动spark集群
/soft/spark/sbin/start-all.sh
e.webui
  http://s0:8080/

提交作业到完全分布式spark集群

1.需要启动hadoop集群(只需要hdfs)
  start-hdfs.sh
2.put文件到hdfs
  hdfs dfs -put test.txt /user/ubuntu
3.运行spark-submit
spark-submit --master spark://s0:7077 --class com.it18zhang.spark.scala.WordCountScala --name MyWordCount SparkDemo1-1.0-SNAPSHOT.jar hdfs://s0:8020/user/ubuntu/test.txt 
ubuntu@s0:~$ xcall.sh jps
============ s0 jps =============
3207 NameNode
4504 Jps
3432 SecondaryNameNode
3976 Master
============ s1 jps =============
3522 Worker
3845 Jps
3276 DataNode
============ s2 jps =============
3827 Jps
3276 DataNode
3517 Worker
============ s3 jps =============
3197 DataNode
3758 Jps
3439 Worker

脚本分析
[start-all.sh]
  sbin/spark-config.sh
  sbin/spark-master.sh  //启动master进程
  sbin/spark-slaves.sh  //启动worker进程

webui
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,294评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,493评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,790评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,595评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,718评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,906评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,053评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,797评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,250评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,570评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,711评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,388评论 4 332
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,018评论 3 316
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,796评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,023评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,461评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,595评论 2 350

推荐阅读更多精彩内容