• spark编程入门-idea环境搭建


    原文引自:http://blog.csdn.net/huanbia/article/details/69084895

    1、环境准备

    idea采用2017.3.1版本。

    创建一个文件a.txt

    2、构建maven工程

    点击File->New->Project… 

    点击Next,其中GroupId和ArtifactId可随意命名

    点击Next

    点击Finish,出现如下界面: 

    3、书写wordCount代码

    请在pom.xml中的version标签后追加如下配置

      1 <properties>
      2     <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
      3 </properties>
      4 <dependencies>
      5     <dependency>
      6         <groupId>junit</groupId>
      7         <artifactId>junit</artifactId>
      8         <version>3.8.1</version>
      9         <scope>test</scope>
     10     </dependency>
     11     <dependency>
     12         <groupId>org.apache.spark</groupId>
     13         <artifactId>spark-core_2.10</artifactId>
     14         <version>1.6.1</version>
     15     </dependency>
     16     <dependency>
     17         <groupId>org.apache.spark</groupId>
     18         <artifactId>spark-sql_2.10</artifactId>
     19         <version>1.6.1</version>
     20     </dependency>
     21     <dependency>
     22         <groupId>org.apache.spark</groupId>
     23         <artifactId>spark-hive_2.10</artifactId>
     24         <version>1.6.1</version>
     25     </dependency>
     26     <dependency>
     27         <groupId>org.apache.spark</groupId>
     28         <artifactId>spark-streaming_2.10</artifactId>
     29         <version>1.6.1</version>
     30     </dependency>
     31     <dependency>
     32         <groupId>org.apache.hadoop</groupId>
     33         <artifactId>hadoop-client</artifactId>
     34         <version>2.7.1</version>
     35     </dependency>
     36     <dependency>
     37         <groupId>org.apache.spark</groupId>
     38         <artifactId>spark-streaming-kafka_2.10</artifactId>
     39         <version>1.6.1</version>
     40     </dependency>
     41     <dependency>
     42         <groupId>org.apache.spark</groupId>
     43         <artifactId>spark-graphx_2.10</artifactId>
     44         <version>1.6.1</version>
     45     </dependency>
     46     <dependency>
     47         <groupId>org.apache.maven.plugins</groupId>
     48         <artifactId>maven-assembly-plugin</artifactId>
     49         <version>2.2-beta-5</version>
     50     </dependency>
     51     <dependency>
     52         <groupId>commons-lang</groupId>
     53         <artifactId>commons-lang</artifactId>
     54         <version>2.3</version>
     55     </dependency>
     56 </dependencies>
     57 <build>
     58     <sourceDirectory>src/main/java</sourceDirectory>
     59     <testSourceDirectory>src/test/java</testSourceDirectory>
     60     <plugins>
     61         <plugin>
     62             <artifactId>maven-assembly-plugin</artifactId>
     63             <configuration>
     64                 <descriptorRefs>
     65                     <descriptorRef>jar-with-dependencies</descriptorRef>
     66                 </descriptorRefs>
     67                 <archive>
     68                     <manifest>
     69                         <maniClass></maniClass>
     70                     </manifest>
     71                 </archive>
     72             </configuration>
     73             <executions>
     74                 <execution>
     75                     <id>make-assembly</id>
     76                     <phase>package</phase>
     77                     <goals>
     78                         <goal>single</goal>
     79                     </goals>
     80                 </execution>
     81             </executions>
     82         </plugin>
     83         <plugin>
     84             <groupId>org.codehaus.mojo</groupId>
     85             <artifactId>exec-maven-plugin</artifactId>
     86             <version>1.3.1</version>
     87             <executions>
     88                 <execution>
     89                     <goals>
     90                         <goal>exec</goal>
     91                     </goals>
     92                 </execution>
     93             </executions>
     94             <configuration>
     95                 <executable>java</executable>
     96                 <includeProjectDependencies>false</includeProjectDependencies>
     97                 <classpathScope>compile</classpathScope>
     98                 <mainClass>com.dt.spark.SparkApps.App</mainClass>
     99             </configuration>
    100         </plugin>
    101         <plugin>
    102             <groupId>org.apache.maven.plugins</groupId>
    103             <artifactId>maven-compiler-plugin</artifactId>
    104 
    105 
    106             <configuration>
    107                 <source>1.6</source>
    108                 <target>1.6</target>
    109             </configuration>
    110         </plugin>
    111     </plugins>
    112 </build>

    点击右下角的Import Changes导入相应的包

    点击File->Project Structure…->Moudules,将src和main都选为Sources文件

    在java文件夹下创建SparkWordCount java文件

    该文件代码为:

    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 org.apache.spark.api.java.function.VoidFunction;
    import scala.Tuple2;
    
    import java.util.Arrays;
    
    /**
     * Created by hadoop on 17-4-4.
     */
    public class SparkWordCount {
        public static void main(String[] args){
            SparkConf conf = new SparkConf()
                    .setAppName("WordCountCluster");
            //第二步
            JavaSparkContext sc = new JavaSparkContext(conf);
            JavaRDD<String> lines = sc.textFile("hdfs://hadoop01:9000/a.txt");
            JavaRDD<String> words = lines.flatMap(new FlatMapFunction<String, String>(){
                private static final long serialVersionUID = 1L;
    
                @Override
                public Iterable<String> call(String line) throws Exception{
                    return Arrays.asList(line.split(" "));
                }
            });
    
    
            JavaPairRDD<String,Integer> pairs = words.mapToPair(
                    new PairFunction<String, String, Integer>() {
    
                        private  static final long serialVersionUID = 1L;
    
                        public Tuple2<String, Integer> call(String word) throws Exception {
                            return new Tuple2<String, Integer>(word,1);
                        }
                    }
            );
    
            JavaPairRDD<String,Integer> wordCounts = pairs.reduceByKey(
                    new Function2<Integer, Integer, Integer>() {
                        @Override
                        public Integer call(Integer v1, Integer v2) throws Exception {
                            return v1+v2;
                        }
                    }
            );
    
    
            wordCounts.foreach(new VoidFunction<Tuple2<String, Integer>>() {
                @Override
                public void call(Tuple2<String, Integer> wordCount) throws Exception {
                    System.out.println(wordCount._1+" : "+ wordCount._2 );
                }
            });
    
            sc.close();
    
        }
    }
    

      

    打包:

    执行

    会在output目录下 生成可执行jar包 sparkStudy

    4、jar包上传到集群并执行

    从spark官方网站 下载spark-1.6.1-bin-hadoop2.6.tgz

           Spark目录:

        bin包含用来和Spark交互的可执行文件,如Spark shell。

        examples包含一些单机Spark job,可以研究和运行这些例子。

      Spark的Shell:

        Spark的shell能够处理分布在集群上的数据。

        Spark把数据加载到节点的内存中,因此分布式处理可在秒级完成。

        快速使用迭代式计算,实时查询、分析一般能够在shells中完成。

        Spark提供了Python shells和Scala shells。 

    解压

     

    这里需要先启动集群:

      启动master:  ./sbin/start-master.sh

      启动worker:  ./bin/spark-class org.apache.spark.deploy.worker.Worker spark://localhost:7077  

            这里的地址为:启动master后,在浏览器输入localhost:8080,查看到的master地址

     启动成功后,jps查看进程:

     

    接下来执行提交命令,将打好的jar包上传到linux目录,jar包在项目目录下的outartifacts下。

      提交作业: ./bin/spark-submit --master spark://localhost:7077 --class WordCount /home/lucy/learnspark.jar

      可以在4040端口查看job进度:

    将执行的包上传到服务器上,封装执行的脚本。

     然后执行脚本,执行结果如下:

     任务执行结束。

  • 相关阅读:
    JS window对象 Navigator对象 Navigator 对象包含有关浏览器的信息,通常用于检测浏览器与操作系统的版本。
    JS window对象 返回下一个浏览的页面 forward()方法,加载 history 列表中的下一个 URL。
    JS window对象 取消计时器clearTimeout() setTimeout()和clearTimeout()一起使用,停止计时器。 语法: clearTimeout(id_of_setT
    JS window对象 History 对象 history对象记录了用户曾经浏览过的页面(URL),并可以实现浏览器前进与后退相似导航的功能。语法: window.history.[属性|方法]
    JS window对象 返回前一个浏览的页面 back()方法,加载 history 列表中的前一个 URL。 语法: window.history.back();
    JS window对象 计时器setTimeout() setTimeout()计时器,在载入后延迟指定时间后,去执行一次表达式,仅执行一次。 语法: setTimeout(代码,延迟时间);
    JS window对象取消计时器clearInterval() clearInterval() 方法可取消由 setInterval() 设置的交互时间。
    ELK问题处理
    nginx 日志变量含义
    nginx ssl 更换问题
  • 原文地址:https://www.cnblogs.com/jinggangshan/p/8080145.html
Copyright © 2020-2023  润新知