Spark程式設計環境搭建及WordCount例項

努力的凹凸曼發表於2018-09-12

Spark程式設計

基於Intellij IDEA搭建Spark開發環境搭建

　基於Intellij IDEA搭建Spark開發環境搭——參考文件

　　● 參考文件http://spark.apache.org/docs/latest/programming-guide.html

　　● 操作步驟

·a)建立maven 專案

·b)引入依賴（Spark 依賴、打包外掛等等）

　基於Intellij IDEA搭建Spark開發環境—maven vs sbt

　　● 哪個熟悉用哪個

　　● Maven也可以構建scala專案

　基於Intellij IDEA搭建Spark開發環境搭—maven構建scala專案

　　● 參考文件http://docs.scala-lang.org/tutorials/scala-with-maven.html

　　● 操作步驟

a)用maven構建scala專案(基於net.alchim31.maven:scala-archetype-simple)

這裡寫圖片描述

b)pom.xml引入依賴(spark依賴、打包外掛等等)

　　在pom.xml檔案中的合適位置新增以下內容：

<dependencies>
    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-core_2.11</artifactId>
        <version>2.2.0</version>
        <scope>provided</scope> //設定作用域，不將所有依賴檔案打包到最終的專案中
    </dependency>
</dependencies>

<build>
    <plugins>
        <plugin>
            <groupId>org.apache.maven.plugins</groupId>
            <artifactId>maven-shade-plugin</artifactId>
            <version>2.4.1</version>
            <executions>
                <execution>
                    <phase>package</phase>
                    <goals>
                        <goal>shade</goal>
                    </goals>
                        <configuration>
                            <transformers>
                                <transformer implementation="org.apache.maven.plugins.shade.resource.ManifestResourceTransformer"></transformer>
                            </transformers>
                            <createDependencyReducedPom>false</createDependencyReducedPom>
                        </configuration>
                </execution>
            </executions>
        </plugin>
    </plugins>
</build>

　　進行一次打包操作以測試是否工作正常。
這裡寫圖片描述

　　在Terminal中輸入指令進行打包操作。

mvn clean package
執行結果如下：
D:\Code\JavaCode\sparkMaven>mvn clean package
 [INFO] Scanning for projects...
[INFO]
[INFO] ---------------------< com.zimo.spark:scala-spark >---------------------
[INFO] Building scala-spark 1.0-SNAPSHOT
[INFO] --------------------------------[ jar ]---------------------------------
[INFO]
[INFO] --- maven-clean-plugin:2.5:clean (default-clean) @ scala-spark ---
[INFO]
[INFO] --- maven-resources-plugin:2.6:resources (default-resources) @ scala-spark ---
[WARNING] Using platform encoding (GBK actually) to copy filtered resources, i.e. build is platform dependent!
[INFO] skip non existing resourceDirectory D:\Code\JavaCode\sparkMaven\src\main\resources
[INFO]
[INFO] --- maven-compiler-plugin:3.1:compile (default-compile) @ scala-spark ---
[INFO] No sources to compile
[INFO]
[INFO] --- maven-resources-plugin:2.6:testResources (default-testResources) @ scala-spark ---
[WARNING] Using platform encoding (GBK actually) to copy filtered resources, i.e. build is platform dependent!
[INFO] skip non existing resourceDirectory D:\Code\JavaCode\sparkMaven\src\test\resources
[INFO]
[INFO] --- maven-compiler-plugin:3.1:testCompile (default-testCompile) @ scala-spark ---
[INFO] No sources to compile
[INFO]
[INFO] --- maven-surefire-plugin:2.12.4:test (default-test) @ scala-spark ---
[INFO] No tests to run.
[INFO]
[INFO] --- maven-jar-plugin:2.4:jar (default-jar) @ scala-spark ---
[WARNING] JAR will be empty - no content was marked for inclusion!
[INFO] Building jar: D:\Code\JavaCode\sparkMaven\target\scala-spark-1.0-SNAPSHOT.jar
[INFO]
[INFO] --- maven-shade-plugin:2.4.1:shade (default) @ scala-spark ---
[INFO] Replacing original artifact with shaded artifact.
[INFO] Replacing D:\Code\JavaCode\sparkMaven\target\scala-spark-1.0-SNAPSHOT.jar with D:\Code\JavaCode\sparkMaven\target\scala-spark-1.0-SNAPSHOT-shaded.jar
[INFO] ------------------------------------------------------------------------
[INFO] BUILD SUCCESS
[INFO] ------------------------------------------------------------------------
[INFO] Total time: 9.675 s
[INFO] Finished at: 2018-09-11T15:33:53+08:00
[INFO] ------------------------------------------------------------------------

　　出現了BUILD SUCCESS，表明一切正常。下面給大家演示以下Scala程式設計的大致流程，以及在該框架下同樣用Java進行實現應該如何操作。

Scala程式設計實現WordCount

這裡寫圖片描述

　　注意：此處必須選為Object，否則沒有main方法！

　　然後輸入以下程式碼，然後執行打包操作

def main(args: Array[String]): Unit = {
  println("hello spark")
}

這裡寫圖片描述

　　完成後可以看到專案目錄下多出來了一個target目錄。這就是使用Scala程式設計的一個大致流程，下面我們來寫一個WordCount程式。（後面也會有Java程式設計的版本提供給大家）

　　首先在叢集中建立以下目錄和測試檔案：

[hadoop@masternode ~]$ cd /home/hadoop/

[hadoop@masternode ~]$ ll

total 68

drwxr-xr-x. 9 hadoop hadoop  4096 Sep 10 22:15 app

drwxrwxr-x. 6 hadoop hadoop  4096 Aug 17 10:42 data

drwxr-xr-x. 2 hadoop hadoop  4096 Apr 17 10:03 Desktop

drwxr-xr-x. 2 hadoop hadoop  4096 Apr 17 10:03 Documents

drwxr-xr-x. 2 hadoop hadoop  4096 Apr 17 10:03 Downloads

drwxr-xr-x. 2 hadoop hadoop  4096 Apr 17 10:03 Music

drwxr-xr-x. 2 hadoop hadoop  4096 Apr 17 10:03 Pictures

drwxr-xr-x. 2 hadoop hadoop  4096 Apr 17 10:03 Public

drwxr-xr-x. 2 hadoop hadoop  4096 Apr 17 10:03 Templates

drwxrwxr-x. 3 hadoop hadoop  4096 Apr 18 10:11 tools

drwxr-xr-x. 2 hadoop hadoop  4096 Apr 17 10:03 Videos

-rw-rw-r--. 1 hadoop hadoop 20876 Apr 20 18:03 zookeeper.out

[hadoop@masternode ~]$ mkdir testSpark/

[hadoop@masternode ~]$ ll

total 72

drwxr-xr-x. 9 hadoop hadoop  4096 Sep 10 22:15 app

drwxrwxr-x. 6 hadoop hadoop  4096 Aug 17 10:42 data

drwxr-xr-x. 2 hadoop hadoop  4096 Apr 17 10:03 Desktop

drwxr-xr-x. 2 hadoop hadoop  4096 Apr 17 10:03 Documents

drwxr-xr-x. 2 hadoop hadoop  4096 Apr 17 10:03 Downloads

drwxr-xr-x. 2 hadoop hadoop  4096 Apr 17 10:03 Music

drwxr-xr-x. 2 hadoop hadoop  4096 Apr 17 10:03 Pictures

drwxr-xr-x. 2 hadoop hadoop  4096 Apr 17 10:03 Public

drwxr-xr-x. 2 hadoop hadoop  4096 Apr 17 10:03 Templates

drwxrwxr-x. 2 hadoop hadoop  4096 Sep 12 10:23 testSpark

drwxrwxr-x. 3 hadoop hadoop  4096 Apr 18 10:11 tools

drwxr-xr-x. 2 hadoop hadoop  4096 Apr 17 10:03 Videos

-rw-rw-r--. 1 hadoop hadoop 20876 Apr 20 18:03 zookeeper.out

[hadoop@masternode ~]$ cd testSpark/

[hadoop@masternode testSpark]$ vi word.txt

apache hadoop spark scala

apache hadoop spark scala

apache hadoop spark scala

apache hadoop spark scala

　　WordCount.scala程式碼如下：（如果右鍵New下面沒有“Scala Class“”選項，請檢查IDEA是否新增了scala外掛）

package com.zimo.spark

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

/**
  * Created by Zimo on 2018/9/11
  */
object MyWordCount {
  def main(args: Array[String]): Unit = {
    //引數檢查
    if (args.length < 2) {
      System.err.println("Usage: myWordCount <input> <output>")
      System.exit(1)
    }

    //獲取引數
    val input = args(0)
    val output = args(1)

    //建立Scala版本的SparkContext
    val conf = new SparkConf().setAppName("myWordCount")
    val sc = new SparkContext(conf)

    //讀取資料
    val lines = sc.textFile(input)

    //進行相關計算
    lines.flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).collect().foreach(println) 

    //儲存結果

    sc.stop()
  }
}

　　從程式碼可以看出scala的優勢就是簡潔，但是可讀性較差。所以，學習可以與後面的java程式碼進行對比。

　　然後打包
　　
這裡寫圖片描述

　　打包完成後把上圖中的檔案上傳到spark叢集上去，然後執行。

[hadoop@masternode testSpark]$ rz



[hadoop@masternode testSpark]$ ll

total 8

-rw-r--r--. 1 hadoop hadoop 1936 Sep 12 10:59 scala-spark-1.0-SNAPSHOT.jar

-rw-rw-r--. 1 hadoop hadoop  104 Sep 12 10:26 word.txt

[hadoop@masternode testSpark]$ cd ../app/spark-2.2.0/

[hadoop@masternode spark-2.2.0]$ cd bin/

[hadoop@masternode bin]$ ll

total 92

-rwxr-xr-x. 1 hadoop hadoop 1089 Jul  1  2017 beeline

-rw-r--r--. 1 hadoop hadoop  899 Jul  1  2017 beeline.cmd

-rwxr-xr-x. 1 hadoop hadoop 1933 Jul  1  2017 find-spark-home

-rw-r--r--. 1 hadoop hadoop 1909 Jul  1  2017 load-spark-env.cmd

-rw-r--r--. 1 hadoop hadoop 2133 Jul  1  2017 load-spark-env.sh

-rwxr-xr-x. 1 hadoop hadoop 2989 Jul  1  2017 pyspark

-rw-r--r--. 1 hadoop hadoop 1493 Jul  1  2017 pyspark2.cmd

-rw-r--r--. 1 hadoop hadoop 1002 Jul  1  2017 pyspark.cmd

-rwxr-xr-x. 1 hadoop hadoop 1030 Jul  1  2017 run-example

-rw-r--r--. 1 hadoop hadoop  988 Jul  1  2017 run-example.cmd

-rwxr-xr-x. 1 hadoop hadoop 3196 Jul  1  2017 spark-class

-rw-r--r--. 1 hadoop hadoop 2467 Jul  1  2017 spark-class2.cmd

-rw-r--r--. 1 hadoop hadoop 1012 Jul  1  2017 spark-class.cmd

-rwxr-xr-x. 1 hadoop hadoop 1039 Jul  1  2017 sparkR

-rw-r--r--. 1 hadoop hadoop 1014 Jul  1  2017 sparkR2.cmd

-rw-r--r--. 1 hadoop hadoop 1000 Jul  1  2017 sparkR.cmd

-rwxr-xr-x. 1 hadoop hadoop 3017 Jul  1  2017 spark-shell

-rw-r--r--. 1 hadoop hadoop 1530 Jul  1  2017 spark-shell2.cmd

-rw-r--r--. 1 hadoop hadoop 1010 Jul  1  2017 spark-shell.cmd

-rwxr-xr-x. 1 hadoop hadoop 1065 Jul  1  2017 spark-sql

-rwxr-xr-x. 1 hadoop hadoop 1040 Jul  1  2017 spark-submit

-rw-r--r--. 1 hadoop hadoop 1128 Jul  1  2017 spark-submit2.cmd

-rw-r--r--. 1 hadoop hadoop 1012 Jul  1  2017 spark-submit.cmd
[hadoop@masternode testSpark]$ ./spark-submit --class com.zimo.spark.MyWordCount ~/testSpark/scala-spark-1.0-SNAPSHOT.jar ~/testSpark/word.txt ~/testSpark/

　　執行結果如下圖所示：
　　
這裡寫圖片描述

　　以上操作是把結果直接列印出來，下面我們嘗試一下將結果儲存到文字當中去。修改以下程式碼：

//進行相關計算
//lines.flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).collect().foreach(println)
val resultRDD = lines.flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_)

//儲存結果
resultRDD.saveAsTextFile(output)

　　再次執行：

./spark-submit --class com.zimo.spark.MyWordCount ~/testSpark/scala-spark-1.0-SNAPSHOT.jar ~/testSpark/word.txt ~/testSpark/result
//輸出目錄一定要為不存在的目錄！

　　結果如下：

[hadoop@masternode testSpark]$ ll

total 5460

drwxrwxr-x. 2 hadoop hadoop    4096 Sep 12 16:02 result

-rw-r--r--. 1 hadoop hadoop 5582827 Sep 12 16:00 scala-spark-1.0-SNAPSHOT.jar

-rw-rw-r--. 1 hadoop hadoop     104 Sep 12 15:52 word.txt

[hadoop@masternode testSpark]$ cd result/

[hadoop@masternode result]$ ll

total 4

-rw-r--r--. 1 hadoop hadoop 42 Sep 12 16:02 part-00000

-rw-r--r--. 1 hadoop hadoop  0 Sep 12 16:02 _SUCCESS

[hadoop@masternode result]$ cat part-00000

(scala,4)

(spark,4)

(hadoop,4)

(apache,4)

Java程式設計實現WordCount

　　在同樣目錄新建一個java目錄，並設定為”Sources Root”。

這裡寫圖片描述

　　單元測試目錄”test”同樣需要建一個java資料夾。

這裡寫圖片描述

　　同理設定為”Test Sources Root”。然後分別再建立resources目錄（用於存放配置檔案），並分別設定為“Resources Root”和“Test Resources Root”。
　　
這裡寫圖片描述

　　最後，建立一個“com.zimo.spark”包，並在下面新建一個MyJavaWordCount.Class類（如果右鍵New下面沒有“Java Class”選項請參看博文https://blog.csdn.net/py_123456/article/details/82628612下的詳細講解），其中的程式碼為如下：

package com.zimo.spark;


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.Arrays;
import java.util.Iterator;

/**
 * Created by Zimo on 2018/9/12
 */
public class MyJavaWordCount {
    public static void main(String[] args) {

        //引數檢查
        if (args.length < 2) {
            System.err.println("Usage: MyJavaWordCount <input> <output>");
            System.exit(1);
        }

        //獲取引數
        String input = args[0];
        String output = args[1];

        //建立Java版本的SparkContext
        SparkConf conf = new SparkConf().setAppName("MyJavaWordCount");
        JavaSparkContext sc = new JavaSparkContext(conf);

        //讀取資料
        JavaRDD<String> inputRDD = sc.textFile(input);

        //進行相關計算
        JavaRDD<String> words = inputRDD.flatMap(new FlatMapFunction<String, String>() {
            @Override
            public Iterator<String> call(String line) throws Exception {
                return Arrays.asList(line.split(" "));
            }
        });


        JavaPairRDD<String, Integer> result = words.mapToPair(new PairFunction<String, String, Integer>() {
            @Override
            public Tuple2<String, Integer> call(String word) throws Exception {
                return new Tuple2<String, Integer>(word, 1);
            }
        }).reduceByKey(new Function2<Integer, Integer, Integer>() {
            @Override
            public Integer call(Integer x, Integer y) throws Exception {
                return x+y;
            }
        });

        //儲存結果
        result.saveAsTextFile(output);

        //關閉sc
        sc.stop();
    }
}

　　注意：此處要做一點點修改。註釋掉pom.xml檔案下的此處內容

這裡寫圖片描述
此處是預設Source ROOT的路徑，所以打包時就只能打包Scala下的程式碼，而我們新建的Java目錄則不會被打包，註釋之後則會以我們之前的目錄配置為主。
　　然後就可以執行打包和叢集上的執行操作了。執行和Scala程式設計一模一樣，我在這裡就不贅述了，大家參見上面即可！只是需要注意一點：output目錄必須為不存在的目錄，請記得每次執行前進行修改！

以上就是博主為大家介紹的這一板塊的主要內容，這都是博主自己的學習過程，希望能給大家帶來一定的指導作用，有用的還望大家點個支援，如果對你沒用也望包涵，有錯誤煩請指出。如有期待可關注博主以第一時間獲取更新哦，謝謝！

MapReduce環境搭建以及WordCount案例
2020-11-26
spark環境搭建
2017-08-24
Spark
Spark開發-spark環境搭建
2017-09-10
Spark
Spark on Yarn 環境搭建
2017-06-22
SparkYarn
Rest Webservice 環境搭建流程和例項
2015-02-04
RESTWeb
jafka環境搭建步驟--例項可用
2014-10-17
Windows核心程式設計(一)-環境搭建
2020-11-16
Windows程式設計
Spark學習進度-Spark環境搭建&Spark shell
2021-01-04
Spark
Hadoop 及Spark 分散式HA執行環境搭建
2023-02-27
HadoopSpark分散式
UEFI原理與程式設計（一）：環境搭建
2017-03-11
程式設計
ArduinoYun教程之Arduino程式設計環境搭建
2015-06-30
UI程式設計
Spark-2.3.0環境搭建安裝
2018-10-09
Spark
HADOOP SPARK 叢集環境搭建
2016-08-24
HadoopSpark
Spark開發-HA環境的搭建
2017-09-20
Spark
Redis多例項及主從複製環境搭建
2018-06-12
Redis
Windows上搭建Standalone模式的Spark環境
2021-09-09
Windows模式Spark
googleoppiaPythonWeb程式設計執行環境搭建
2018-12-11
GoPythonWeb程式設計
【Hibernate】—Hibernate+mysql 環境搭建+入門例項
2016-10-09
MySql
Spark MLlib 入門學習筆記 - 程式設計環境配置
2017-05-18
Spark筆記程式設計
java程式設計環境
2024-03-09
Java程式設計
環境搭建及介紹
2018-09-26
MapReduce 程式設計模型 & WordCount 示例
2019-08-01
程式設計模型
win7下搭建opengles2.0程式設計環境
2014-06-17
Win7程式設計
第一篇：《UNIX 環境高階程式設計》編譯環境的搭建
2017-01-28
程式設計編譯
Hibernate（二）：Hibernate搭建開發環境+簡單例項
2017-05-16
開發環境單例
Oracle10g RAC環境下DataGuard備庫搭建例項
2011-04-28
Oracle
搭建程式碼環境
2024-03-27
打造一個好用的 Windows 程式設計環境 2.程式設計環境
2024-03-09
Windows程式設計
【MyBatis】3：MyBatis環境搭建及入門程式示例
2016-07-30
MyBatis
以QT為例談環境搭建
2022-03-13
QT
Jmeter beanshell程式設計例項
2021-02-23
JMeterBean程式設計
設計模式例項程式碼
2020-10-04
設計模式
KafKa Java程式設計例項
2018-05-28
KafkaJava程式設計
GPU程式設計(一):Ubuntu下的CUDA8.0環境搭建
2018-10-19
GPU程式設計Ubuntu
單機環境配置ASM例項
2014-03-01
ASM
Hadoop2.7.3+Hive2.1.1+Spark2.1.0環境搭建
2017-06-10
HadoopHiveSpark
spark開發環境搭建intellij+Scala+sbt
2017-06-15
Spark開發環境IntelliJ
IDEA使用Maven搭建spark開發環境（scala）
2017-12-27
IdeaMavenSpark開發環境

Spark程式設計環境搭建及WordCount例項

基於Intellij IDEA搭建Spark開發環境搭建

a)用maven構建scala專案(基於net.alchim31.maven:scala-archetype-simple)

b)pom.xml引入依賴(spark依賴、打包外掛等等)

Scala程式設計實現WordCount

Java程式設計實現WordCount

相關文章