spark搭建和java示例
来源:互联网 发布:latex for windows 编辑:程序博客网 时间:2024/05/17 03:55
1. scala 安装
下载scala: http://www.scala-lang.org/download/
最开始下载scala2.12,后来运行spark出现版本不一致的错误,后来安装了 scala-2.11.11 .tgz
解压
tar -zxvf scala-2.11.11.tgz -C /usr/local/mv scala-2.11 scala
配置scala环境变量
export SCALA_HOME=/usr/local/scalaexport PATH=${SCALA_HOME}/bin:$PATH
运行 scala -version
查看是否安装成功
安装spark
我下载的版本是:spark-2.1.0-bin-hadoop2.7.tgz
重命名 mv spark-2.1.0-bin spark
spark 环境变量配置
export SPARK_HOME=/usr/local-extend/sparkexport PATH=$SPARK_HOME/bin:$SPARK_HOME/sbin:$PATH
测试spark是否安装成功
/usr/local-extend/spark/bin$ ./spark-shell
出现下图则安装成功
修改spark配置
在%SPARK_HOME%/conf下
cp spark-env.sh.template spark-env.sh添加如下内容export SPARK_DIST_CLASSPATH=$(/usr/local/hadoop/bin/hadoop classpath)export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_111HADOOP_CONF_DIR=/usr/local/hadoop/etc/hadoop
运行spark例子
%SPARK_HOME%/bin下执行:
run-example SparkPi 2>&1 | grep "Pi is roughly"
输出结果:
以上spark基本完成安装,下面通过在idea上建立WordCount demo并运行,采用maven工程。
工程代码
代码:
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;import java.util.List;import java.util.regex.Pattern;/** * Created by hadoop on 17-6-11. */public class WordCount { private static final Pattern SPACE = Pattern.compile(" "); public static void main(String[] args)throws Exception { SparkConf sparkConf = new SparkConf().setAppName("SparkWordCount"); String srcPath = "/usr/tmp/input/"; String desPath = "/usr/tmp/output/"; if(args.length == 2) { srcPath = args[0]; desPath = args[1]; } JavaSparkContext jsc = new JavaSparkContext(sparkConf); JavaRDD<String> lines = jsc.textFile(srcPath, 1); System.out.println("file text split!"); JavaRDD<String> words = lines.flatMap(new FlatMapFunction<String, String>() { @Override public Iterator<String> call(String s) throws Exception { return Arrays.asList(s.split(" ")).iterator(); } /*@Override public Iterable<String> call(String s) throws Exception { return Arrays.asList(SPACE.split(" ")); }*/ }); System.out.println("word map!"); 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); } }); System.out.println("word reduce!"); JavaPairRDD<String, Integer> counts = ones.reduceByKey(new Function2<Integer, Integer, Integer>() { @Override public Integer call(Integer i1, Integer i2) throws Exception { return i1 + i2; } }); System.out.println("word count save!"); counts.saveAsTextFile(desPath); jsc.stop(); }}
maven 文件
<?xml version="1.0" encoding="UTF-8"?><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>SparkDemo</groupId> <artifactId>com.jd.demo.spark</artifactId> <version>1.0-SNAPSHOT</version> <dependencies> <dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-core_2.11</artifactId> <version>2.1.1</version> </dependency> </dependencies></project>
idea中运行spark程序
在 edit Configuration中的VM option添加参数 -Dspark.master=local
然后运行java程序即可。注意输入和输出路径为本地路径。
最后在本地的输出文件夹中出现part-0000和_SUCCESS文件。part_0000内容如下:
在本地运行上spark程序
在idea Terminal下运行
/usr/local-extend/spark/bin/spark-submit --class "com.spark.demo.WordCount" --master local[4] target/com.jd.demo.spark-1.0-SNAPSHOT.jar
注意此时使用hdfs输入和输出路径。如果运行成功同样会出现output文件夹,以及part_0000和_SUCCESS文件。
在YARN集群运行spark程序
在idea Terminal下运行
/usr/local-extend/spark/bin/spark-submit --class "com.jd.spark.demo.WordCount" --master yarn --deploy-mode cluster target/com.demo.spark-1.0-SNAPSHOT.jar
我们可以在hadoop管理界面查看任务
地址: http://localhost:8088/cluster/apps/RUNNING
因为我在pc机上运行程序,花费时间比较长,还有几次死机了。。。。运行成功之后状态会变成SUCCESSED。
总结
到此spark环境搭建和示例运行就完成啦,注意在运行代码的过程中可能出现错误ERROR Executor: Exception in task 0.0 in stage 0.0 (TID 0)
java.lang.AbstractMethodError: lekko.spark.SparkDemo$1.call(Ljava/lang/Object;)Ljava/util/Iterator;
这是由于scala和spark版本不兼容的原因,最开始我安装的是scala-2.12,后来在spark官网发现如下内容:
Note: Starting version 2.0, Spark is built with Scala 2.11 by default. Scala 2.10 users should download the Spark source package and build with Scala 2.10 support.
也就是说我的spark是用scala-2.11构建的,所以把scala版本改为2.11,然后对代码进行调整,上面代码示例中有一段注释的部分
@Override public Iterable<String> call(String s) throws Exception { return Arrays.asList(SPACE.split(" ")); }
这里返回的类型是Iterable,这是scala-2.12版本的返回类型,对于scala-2.11我们的返回类型是Iterator,所以调整代码如下:
@Override public Iterator<String> call(String s) throws Exception { return Arrays.asList(s.split(" ")).iterator();
至此所有问题解决啦,希望对其他掉进坑里的同学有所帮助!
个人认为使用spark还是需要使用scala编程语言进行开发,这样可以非常简化代码,同是也可能避免这种版本问题,这个后续待研究!
- spark搭建和java示例
- spark sql简单示例java
- Spark 算子Java操作示例。
- Spark--01eclipse java spark环境搭建
- hadoop | spark | hadoop的搭建和spark 的搭建
- spark使用KryoRegistrator java代码示例
- spark使用KryoRegistrator java代码示例
- spark使用KryoRegistrator java代码示例
- Spark本地安装和简单示例
- Spark groupbykey和cogroup使用示例
- Spark SQL UDF和UDAF示例
- spark示例
- spark本地java开发环境的搭建
- java开发spark应用程序的环境搭建
- java,python的spark环境搭建
- Eclipse IDE搭建Spark+java开发环境
- Spark和Shark环境搭建<转>
- hadoop和spark集成环境搭建
- 浅谈php中的回调函数和匿名函数
- 6月14日 了解unittest、输出测试报告
- 实际开发中-Block导致循环引用的问题
- Hive元数据库介绍及信息查看
- PHP闭包的路由实例模型
- spark搭建和java示例
- Fiddler的详细介绍
- iptables介绍
- numpy学习——数组性能比较
- 车架号vin码识别OCR识别原理
- 概念区分:JavaScript中的global对象,window对象以及document对象
- github入门
- 面试题3:二维数组的查找
- 基本数据类型、引用数据类型相互之间的比较规范(相等运算符的使用)