文档章节

Spark中WordCount示例

Yulong_
 Yulong_
发布于 2017/04/06 16:23
字数 749
阅读 58
收藏 0

创建工程

在eclipse中创建一个Scala工程,名为WordCountSpark。

  • File -> New -> Other -> Scala Wizards -> Scala Project 点击创建 截图1

  • 点击Finish创建

  • 在WordCountSpark上点击右键 -> Configure -> Convert to Maven Project 输入图片说明

  • 在Scala library container上右键点击,修改Scala Library 输入图片说明 输入图片说明

  • 在JRE System Library上右键点击
    输入图片说明 输入图片说明

  • 修改pom.xml文件,添加repository和dependency,pom.xml文件如下

    <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>
    <groupId>WordCountSpark</groupId>
    <artifactId>WordCountSpark</artifactId>
    <version>0.0.1-SNAPSHOT</version>
    
    <repositories>
      	<repository>
      		<id>cloudera</id>
      		<url>https://repository.cloudera.com/artifactory/cloudera-repos/</url>
      	</repository>
      </repositories>
      <dependencies>
      	<!-- https://mvnrepository.com/artifact/org.apache.spark/spark-core_2.10 -->
      	<dependency>
      		<groupId>org.apache.spark</groupId>
      		<artifactId>spark-core_2.10</artifactId>
      		<version>1.3.0-cdh5.4.3</version>
      	</dependency>
    
      </dependencies>
    
    <build>
      <sourceDirectory>src</sourceDirectory>
      <plugins>
        <plugin>
          <artifactId>maven-compiler-plugin</artifactId>
          <version>3.1</version>
          <configuration>
            <source/>
            <target/>
          </configuration>
        </plugin>
      </plugins>
    </build>
    </project>    
    
  • 创建包examples
    输入图片说明

  • 创建Object WordCount
    输入图片说明

WordCount示例代码

package examples

import org.apache.spark.SparkContext
import org.apache.spark.SparkContext._
object WordCount {
  def main(args: Array[String]) {
    if (args.length < 1) {
      System.err.println("Usage: WordCount <file>")
      System.exit(1)
    }
    val sc = new SparkContext()
    val counts = sc.textFile(args(0)).
      flatMap(line => line.split("\\s+")).
      map(word => (word, 1)).reduceByKey(_ + _)
    counts.take(5).foreach(println)
    sc.stop()
  }
}
  • 打成jar包,工程WordCount右键 -> Export -> JAR file
    输入图片说明
    输入图片说明

  • 执行命令WordCountSpark.jar

    [training@ localhost /tmp]$ spark-submit --master local --class examples.WordCount WordCountSpark.jar file:///tmp/sparktest/2.txt (AARDVARK,1) (MAT,1) (ON,2) (SAT,2) (SOFA,1)

  • 执行命令spark-submit --help

    [training@ localhost /tmp]$ spark-submit --help Usage: spark-submit [options] <app jar | python file> [app arguments] Usage: spark-submit --kill [submission ID] --master [spark://...] Usage: spark-submit --status [submission ID] --master [spark://...]

    Options: --master MASTER_URL spark://host:port, mesos://host:port, yarn, or local. --deploy-mode DEPLOY_MODE Whether to launch the driver program locally ("client") or on one of the worker machines inside the cluster ("cluster") (Default: client). --class CLASS_NAME Your application's main class (for Java / Scala apps). --name NAME A name of your application. --jars JARS Comma-separated list of local jars to include on the driver and executor classpaths. --packages Comma-separated list of maven coordinates of jars to include on the driver and executor classpaths. Will search the local maven repo, then maven central and any additional remote repositories given by --repositories. The format for the coordinates should be groupId:artifactId:version. --repositories Comma-separated list of additional remote repositories to search for the maven coordinates given with --packages. --py-files PY_FILES Comma-separated list of .zip, .egg, or .py files to place on the PYTHONPATH for Python apps. --files FILES Comma-separated list of files to be placed in the working directory of each executor.

    --conf PROP=VALUE           Arbitrary Spark configuration property.
    --properties-file FILE      Path to a file from which to load extra properties. If not
                                specified, this will look for conf/spark-defaults.conf.
    
    --driver-memory MEM         Memory for driver (e.g. 1000M, 2G) (Default: 512M).
    --driver-java-options       Extra Java options to pass to the driver.
    --driver-library-path       Extra library path entries to pass to the driver.
    --driver-class-path         Extra class path entries to pass to the driver. Note that
                                jars added with --jars are automatically included in the
                                classpath.
    
    --executor-memory MEM       Memory per executor (e.g. 1000M, 2G) (Default: 1G).
    
    --proxy-user NAME           User to impersonate when submitting the application.
    
    --help, -h                  Show this help message and exit
    --verbose, -v               Print additional debug output
    --version,                  Print the version of current Spark
    

    Spark standalone with cluster deploy mode only: --driver-cores NUM Cores for driver (Default: 1). --supervise If given, restarts the driver on failure. --kill SUBMISSION_ID If given, kills the driver specified. --status SUBMISSION_ID If given, requests the status of the driver specified.

    Spark standalone and Mesos only: --total-executor-cores NUM Total cores for all executors.

    YARN-only: --driver-cores NUM Number of cores used by the driver, only in cluster mode (Default: 1). --executor-cores NUM Number of cores per executor (Default: 1). --queue QUEUE_NAME The YARN queue to submit to (Default: "default"). --num-executors NUM Number of executors to launch (Default: 2). --archives ARCHIVES Comma separated list of archives to be extracted into the working directory of each executor.

© 著作权归作者所有

上一篇: Kafka Get Started
Yulong_
粉丝 10
博文 145
码字总数 253510
作品 0
朝阳
部门经理
私信 提问
【Spark】Spark On Yarn 环境搭建及 WordCount 程序原理深度剖析

版权声明:本文为博主原创文章,转载请注明出处。 https://blog.csdn.net/gongxifacai_believe/article/details/86652088 1、Spark On Yarn 环境搭建 参考文献:http://spark.apache.org/doc...

魏晓蕾
01/31
0
0
Spark基本工作原理与RDD及wordcount程序实例和原理深度剖析

RDD以及其特点 1、RDD是Spark提供的核心抽象,全称为Resillient Distributed Dataset,即弹性分布式数据集。 2、RDD在抽象上来说是一种元素集合,包含了数据。它是被分区的,分为多个分区,每...

qq1137623160
2018/05/10
0
0
基于Spark的机器学习实践 (三) - 实战环境搭建

0 相关源码 1 Spark环境安装 ◆ Spark 由scala语言编写,提供多种语言接口,需要JVM ◆ 官方为我们提供了Spark 编译好的版本,可以不必进行手动编译 ◆ Spark安装不难,配置需要注意,并且不一定需...

javaedge
04/09
0
0
Kubernetes助力Spark大数据分析

Kubernetes 作为一个广受欢迎的开源容器协调系统,是Google于2014年酝酿的项目。从Google趋势上看到,Kubernetes自2014年以来热度一路飙升,短短几年时间就已超越了大数据分析领域的长老Had...

店家小二
2018/12/17
0
0
Spark学习记录(一)Spark 环境搭建以及worldCount示例

安装Spark ------------------- 首先,安装spark之前需要先安装scala,并且安装scala的版本一定要是将要安装的spark要求的版本。比如spark2.1.0 要求scala 2.11系列的版本,不能多也不能少 ...

我爱春天的毛毛雨
2018/11/14
165
0

没有更多内容

加载失败,请刷新页面

加载更多

OSChina 周六乱弹 —— 早上儿子问我他是怎么来的

Osc乱弹歌单(2019)请戳(这里) 【今日歌曲】 @凉小生 :#今日歌曲推荐# 少点戾气,愿你和这个世界温柔以待。中岛美嘉的单曲《僕が死のうと思ったのは (曾经我也想过一了百了)》 《僕が死の...

小小编辑
今天
2.1K
14
Excption与Error包结构,OOM 你遇到过哪些情况,SOF 你遇到过哪些情况

Throwable 是 Java 中所有错误与异常的超类,Throwable 包含两个子类,Error 与 Exception 。用于指示发生了异常情况。 Java 抛出的 Throwable 可以分成三种类型。 被检查异常(checked Exc...

Garphy
今天
38
0
计算机实现原理专题--二进制减法器(二)

在计算机实现原理专题--二进制减法器(一)中说明了基本原理,现准备说明如何来实现。 首先第一步255-b运算相当于对b进行按位取反,因此可将8个非门组成如下图的形式: 由于每次做减法时,我...

FAT_mt
昨天
40
0
好程序员大数据学习路线分享函数+map映射+元祖

好程序员大数据学习路线分享函数+map映射+元祖,大数据各个平台上的语言实现 hadoop 由java实现,2003年至今,三大块:数据处理,数据存储,数据计算 存储: hbase --> 数据成表 处理: hive --> 数...

好程序员官方
昨天
61
0
tabel 中含有复选框的列 数据理解

1、el-ui中实现某一列为复选框 实现多选非常简单: 手动添加一个el-table-column,设type属性为selction即可; 2、@selection-change事件:选项发生勾选状态变化时触发该事件 <el-table @sel...

everthing
昨天
20
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部