Spark在Yarn上运行Wordcount程序

前提条件

1.CDH安装spark服务

2.下载IntelliJ IDEA编写WorkCount程序

3.上传到spark集群执行

一.下载IntellJ IDEA编写Java程序

1.下载IDEA

官网地址：http://www.jetbrains.com/idea/  下载IntlliJ IDEA后，进行安装。

2.新建Java项目

1.点击File

2.点击New Project

3.点击Java

注意:Project SDK要选择本机安装的JDK的位置，由于我的JDK是1.7,所以下面的Java EE version我选择的是Java EE 7

4.点击Next后，出现如下界面,勾选Create project from template,然后点击Next

 5.点击Next，填写相应的项目名称，package等相关信息

6.点击Finish,，出现如下界面，右键选择Refactor->Rename修改类名为自己想要的类名即可。

7.添加spark-assembly-1.3.0-cdh5.4.2-hadoop2.6.0-cdh5.4.2.jar到项目中

7.1创建名称为lib的目录

7.2将spark-assembly-1.3.0-cdh5.4.2-hadoop2.6.0-cdh5.4.2.jar (在spark集群的位置为:/usr/lib/spark/assembly/lib目录下)copy到lib目录下

然后右键点击jar包选择add Library，完成该动作后，在项目中就可以引用此jar包中的类了。

8.用Java实现WordCount功能

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.List;
import java.util.regex.Pattern;

public final class JavaWordCount {


    private static final Pattern SPACE = Pattern.compile(" ");
    public static void main(String[] args) {
       if(args.length<1){
           System.err.print("Usage:JavaWordCount<file>");
           System.exit(1);
       }

        SparkConf sparkConf = new SparkConf().setAppName("JavaWordCount");
        JavaSparkContext ctx = new JavaSparkContext(sparkConf);
        JavaRDD<String> lines = ctx.textFile(args[0],1);
        System.out.println(System.getenv("SPARK_HOME"));
        JavaRDD<String> words = lines.flatMap(new FlatMapFunction<String, String>() {
            @Override
            public Iterable<String> call(String s) throws Exception {
               return Arrays.asList(SPACE.split(s));
            }
        });

        JavaPairRDD<String,Integer> ones = words.mapToPair(new PairFunction<String, String, Integer>() {
            @Override
            public Tuple2<String, Integer> call(String s) throws Exception {
                return new Tuple2<String, Integer>(s,1);
            }
        });

        JavaPairRDD<String,Integer> counts = ones.reduceByKey(new Function2<Integer, Integer, Integer>() {
            @Override
            public Integer call(Integer i1, Integer i2) throws Exception {
                return i1+i2;
            }
        });

        List<Tuple2<String, Integer>> output = counts.collect();
        for (Tuple2<?, ?> tuple : output) {
               System.out.println(tuple._1() + ": " + tuple._2());
        }
        ctx.stop();
    }
}

9.打成jar包

9.1点击File

9.2选择Project Structure

9.3选择Artifacts

可修改右边Name生成jar包的名称

9.4点击OK，完成生成jar包，可在对应的目录下找到刚才生成的jar包

10.将生成的jar包上传到spark某个目录下

11.spark-submit --master yarn-client --name JavaWordCount --class JavaWordCount --executor-memory 1G --total-executor-cores 2 /etc/spark/JavaWordCount.jar hdfs://master:8020/suajing/install.log

其中，红色标注部分根据实际的项目进行修改，

我的项目名称为JavaWordCount，则--name 为JavaWordCount，

我的Class没有pacakage，如果你的class是在某个pacakage底下，则需要将class修改成包+类名全路径，例如：com.gosun.JavaWordCount。

我的jar包放在/etc/spark/目录下，写成/etc/spark/JavaWordCount.jar 

hdfs上的文件路径为上面所示。

12.执行结果:未报错就表示执行成功了，可以看到如下统计的结果