java写的spark程序的本地运行和集群运行
来源:互联网 发布:设置淘宝客推广条件 编辑:程序博客网 时间:2024/05/18 03:05
用java写的一个简单的spark程序,通过本地运行和集群运行例子。
1 在eclipse下建一个maven工程
配置pom.xml
配置文件参考下面:
<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>cn.spark</groupId> <artifactId>SparkTest</artifactId> <version>0.0.1-SNAPSHOT</version> <packaging>jar</packaging> <name>SparkTest</name> <url>http://maven.apache.org</url> <properties> <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding> </properties> <dependencies> <dependency> <groupId>junit</groupId> <artifactId>junit</artifactId> <version>3.8.1</version> <scope>test</scope> </dependency> <dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-core_2.10</artifactId> <version>1.3.0</version></dependency><dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-sql_2.10</artifactId> <version>1.3.0</version> </dependency><dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-hive_2.10</artifactId> <version>1.3.0</version></dependency><dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-streaming_2.10</artifactId> <version>1.3.0</version></dependency><dependency> <groupId>org.apache.hadoop</groupId> <artifactId>hadoop-client</artifactId> <version>2.4.1</version></dependency><dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-streaming-kafka_2.10</artifactId> <version>1.3.0</version></dependency> </dependencies> <build> <sourceDirectory>src/main/java</sourceDirectory> <testSourceDirectory>src/main/test</testSourceDirectory> <plugins> <plugin> <artifactId>maven-assembly-plugin</artifactId> <configuration> <descriptorRefs> <descriptorRef>jar-with-dependencies</descriptorRef> </descriptorRefs> <archive> <manifest> <mainClass></mainClass> </manifest> </archive> </configuration> <executions> <execution> <id>make-assembly</id> <phase>package</phase> <goals> <goal>single</goal> </goals> </execution> </executions> </plugin> <plugin> <groupId>org.codehaus.mojo</groupId> <artifactId>exec-maven-plugin</artifactId> <version>1.2.1</version> <executions> <execution> <goals> <goal>exec</goal> </goals> </execution> </executions> <configuration> <executable>java</executable> <includeProjectDependencies>true</includeProjectDependencies> <includePluginDependencies>false</includePluginDependencies> <classpathScope>compile</classpathScope> <mainClass>cn.spark.sparktest.App</mainClass> </configuration> </plugin> <plugin> <groupId>org.apache.maven.plugins</groupId> <artifactId>maven-compiler-plugin</artifactId> <configuration> <source>1.6</source> <target>1.6</target> </configuration> </plugin> </plugins> </build></project>
配置好后eclipse会自动从远端资源库中进行下载
2 编写spark程序
程序详细如下:
package org.spark.study.core;import java.util.Arrays;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.Function;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;/** * 用java语言开发spark程序 * 第一个学习程序 wordcount * @author 18521 * */public class wordCountLocal {public static void main(String[] args) {// TODO Auto-generated method stub// 1 创建一个sparkconf 对象并配置// 使用setMaster 可以设置spark集群可以链接集群的URL,如果设置local 代表在本地运行而不是在集群运行SparkConf conf = new SparkConf().setAppName("wordCountLocal").setMaster("local");// 2 创建javasparkContext对象// sparkcontext 是一个入口,主要作用就是初始化spark应用程序所需的一些核心组件,例如调度器,task,// 还会注册spark,sparkMaster结点上注册。反正就是spake应用中最重要的对象JavaSparkContext sc = new JavaSparkContext(conf);// 3 对输入源创建一个出事RDD// 元素就是输入源文件中的一行JavaRDD<String> lines = sc.textFile("D://worksoft//testdata//spark.txt");// 4 把输入源拆分成一个一个的单词// 引用一个RDD 都会创建一个function 类(比较简单的话就是一个匿名内部类)// FlatMapFunction 有连个参数输入和输出JavaRDD<String> words = lines.flatMap(new FlatMapFunction<String, String>() {private static final long serialVersionUID = 1L;public Iterable<String> call(String arg0) throws Exception {// TODO Auto-generated method stubreturn Arrays.asList(arg0.split(" "));}});// 5 需要将每一个单词映射为(单词,1) 后面才可以更具单词key 对后面value 1 进行累加从而达到计数的功能JavaPairRDD<String, Integer> parirs = words.mapToPair(new PairFunction<String, String, Integer>() {/** * 每一个单词都映射成(单词,1) */private static final long serialVersionUID = 1L;public Tuple2<String, Integer> call(String arg0) throws Exception {// TODO Auto-generated method stubreturn new Tuple2<String, Integer>(arg0, 1);}});// 6 以单词做为key 统计单词出现的次数,用reducebykey 算子,对每一个key对于的value进行操作JavaPairRDD<String,Integer> wordcount = parirs.reduceByKey(new Function2<Integer, Integer, Integer>() {public Integer call(Integer arg0, Integer arg1) throws Exception {// TODO Auto-generated method stubreturn arg0+arg1;}});// 7 已经通过spark 的几个算子 flatMap,mapToPair,reduceByKey 已经统计出每一个结点中的单词出现的次数// 这中操作叫做transformation,但是在一开始的RDD是把文件拆分打散到不同的结点中的,所以后面还需要操作action 进行集合// 9 action 操作通过foreach 来遍历所有最后一个RDD生成的元素wordcount.foreach(new VoidFunction<Tuple2<String,Integer>>() {@Overridepublic void call(Tuple2<String, Integer> arg0) throws Exception {// TODO Auto-generated method stubSystem.out.println(arg0._1+" 出现了:"+arg0._2+"次");}});sc.close();}}
3 本地测试
4 集群运行
4.1 spark程序修改
4.2 测试文件上传到hdfs
[root@spark1 opt]# hadoop fs -put spark.txt /spark.txt
[root@spark1 opt]# hadoop fs -ls /17/05/27 11:51:29 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicableFound 2 items-rw-r--r-- 3 root supergroup 171073915 2017-05-27 10:32 /spark.txtdrwxr-xr-x - root supergroup 0 2017-05-23 15:40 /user
4.3 程序打包
4.4 上传打包程序并写启动脚本
编写启动脚本
[root@spark1 java]# cat wordcount.sh /opt/spark/bin/spark-submit \ # 用这个命令启动--class org.spark.study.core.wordCountSpark \ # 配置类名--num-executors 3 \ # 配置在三个结点上运行--driver-memory 100m \ # drive内存--executor-memory 100m \ # 配置execute内存--executor-cores 3 \ # 内核运行单元数/opt/spark-study/java/study-0.0.1-SNAPSHOT-jar-with-dependencies.jar \ # 运行的jar包
4.5 运行启动脚本进行测试
[root@spark1 java]# ./wordcount.sh >> spark.log[root@spark1 java]# cat spark.log integration 出现了:89100次Hadoop��s 出现了:89100次general 出现了:89100次have 出现了:267300次Million 出现了:89100次here 出现了:89100次big 出现了:89100次stack. 出现了:89100次modification 出现了:89100次meili 出现了:267300次conference. 出现了:89100次we 出现了:178200次requiring 出现了:89100次conv 出现了:297次simple 出现了:89100次This 出现了:89100次Joel 出现了:89118次send 出现了:89118次(HDFS) 出现了:89100次without 出现了:178200次……
阅读全文
0 0
- java写的spark程序的本地运行和集群运行
- IDEA上Spark——Java、Scala的本地测试版与集群运行版
- 本地Spark程序提交到hadoop集群运行流程
- 在基于Yarn的集群上运行Spark程序
- 将java开发的wordcount程序部署到spark集群上运行
- mr程序运行在本地模式和集群模式的参数设置
- java -jar运行spark程序找不到自己写的类的错误解决
- spark程序的运行过程
- 集群运行spark时出现的问题
- Spark on yarn--几种提交集群运行spark程序的方式
- JAVA运行【本地程序】
- idea运行spark的wordcount与eclipse运行spark的wordcount示例,及本地运行sparkpi
- 本地开发spark代码上传spark集群服务并运行
- 在集群运行spark代码记录程序
- Spark:本地连接集群运行Saprk程序
- spark集群上运行helloworld程序--WordCount
- Java程序的运行
- Java程序的运行
- 基于Token的WEB后台认证机制
- 拓扑排序解210. Course Schedule II
- linux 中 error 处理函数详解
- 带你入门javascript数组
- Java 工程师技能树(有下载的xmind源文件)
- java写的spark程序的本地运行和集群运行
- 数组翻转
- DSP通过xintf总线与cpld或者fpga进行通信
- caffe-windows matlab 接口配置
- 文本表示+向量空间模型
- TensorFlow学习笔记之源码分析(3)---- retrain.py
- 设计师如何学会用自驱力成长
- 字符简论
- popuwindow小案例