Spark-Unit2-Spark交互式命令行与SparkWordCount

一、Spark交互式命令行

　　启动脚本：spark-shell

　　先启动spark：./start-all.sh

　　本地模式启动命令：/bin/spark-shell

　　集群模式启动命令：/bin/spark-shell --master spark://spark-1:7077 --total-executor-cores 2 --executor-memory 500mb　　　　　　//注释：spark集群模式默认使用全部的核心数，默认使用内存大小为1024Mb

　　1.用shell的集群模式去执行一个本地wordcount程序：

　　sc.textFile("/root/words.txt").flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).collect

　　注意：1）当使用集群模式对本地文件进行wordcount时，会报找不到文件的异常，在执行前要保证在每个节点上的对应路径有被执行的文件（将文件从主节点分发到从节点即可）。

　　　　　2）本地模式对本地文件进行wordcount时就不需要，因为本地模式是使用master主节点跑任务，而集群模式是使用workers去计算。

　　2.用shell的集群模式去对一个hdfs上的文件执行wordcount:

　　sc.textFile("hdfs://192.168.50.186:9000/words.txt").flatMap(_.split(" ")).map((_._)).reduceByKey(_+_).collect

二、用Idea写Spark-WordCount

　　1.在Idea端创建maven工程，将pom文件所需要的配置命令代码粘贴到pom文件，并自动导入相关依赖包。

　　2.在main文件夹中创建scala文件夹（注意：要将其转为可用的文件夹 ”source root“）

　　3.创建一个object单例对象，代码如下：

object SparkWordCount {
   def main(args:Array[String]):Unit ={
      //1.定义并设置配置信息
      val conf:SparkConf = new SparkConf().setAppName("SparkWordCount").setMaster("local[2]")

      //2.定义spark程序入口sparkcontext，并接收配置conf
      val sc:SparkContext = new SparkContext(conf)

      //3.调用sc加载数据、处理数据、存储数据
      sc.textFile(args(0))
      .flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_)
      .saveAsTextFile(args(1))

      //4.关闭资源
      sc.stop() 
  }  
}
    

　　4.添加配置信息Add Configuration

　　分别添加主类名：Main class、　　程序参数：Program arguments

　　确定然后运行程序。

　　注意：程序产生的结果文件有两个，而且结果可能随机分布在两个文件中，这是由于spark的自定义分区造成的（后面笔记会专门总结自定义分区）

***将写好的程序打包提交到spark集群中运行：

　　1.在maven工程中package打包，会出现两个jar包（大的包含依赖包环境，小的只有代码）；

　　2.将大的jar包上次到集群，运行命令：

　　　　bin/spark-submit --master spark://spark-1:7077

　　　　--class SparkWordCount /root/SparkWC-1.0-SNAPSHOT.jar

　　　　hdfs://192.168.50.186:9000/wc.txt hdfs://192.168.50.186:9000/sparkwc

　　3.运行完成后查看hdfs端产生的结果文件。