第10课:底实战详解使用Java开发Spark程序学习笔记
来源:互联网 发布:cad自学软件 编辑:程序博客网 时间:2024/06/06 17:08
第10课:底实战详解使用Java开发Spark程序学习笔记
本期内容:
1. 为什么要使用Java?
2. 使用Java开发Spark实战
3. 使用Java开发Spark的Local和Cluster
1. 为什么要使用Java?
一. 实际在生产环境下,Spark作为数据处理引擎,需要与企业IT系统中的其他组件或功能配合使用。众所周知,现在业界处于霸主地位的开发语言是Java。很多时候,企业通过Java开发IT系统,后端通过Spark处理,如果使用Java,团队的组建、开发难度的降低,团队的合作,都有很大价值。
二. Scala从学习角度讲比Java难,所以招聘到Scala高手较难,所以项目的二次开发会比较困难。
三. Spark学习者有很多人不会Scala,但有Java基础,为了不会Scala的人能编写和运行课程中的案例,有必要讲Java。
2. 使用Java开发Spark实战
使用Java开发的集成工具是Eclipse。所以首先需要下载Eclipse,注意是32位还是64位。
1. 从www.eclipse.org/downloads 下载Eclipse。
2. 解压zip格式的Eclipse压缩文件。打开解压后的文件夹下的eclipse.exe即可打开eclipse。前提是安装配置好java。
3. 在Project Explorer区点击右键,或File,点击new->project,Wizards选择Maven Project
其他采用默认,点Next。
4. Select an Archety选择maven-archetype-quicstart后点击Next。
Group Id:填写: com.dt.spark,Artifact Id填写:SparkApps后点击finish。
此时出现下图所示错误:
Could not write metadata for '/RemoteSystemsTempFiles'.
D:\programFiles\eclipse\workspace\.metadata\.plugins\org.eclipse.core.resources\.projects\RemoteSystemsTempFiles\.markers.snap (系统找不到指定的路径。)
网上查了一下,需要修改一设置:
Window->preferences,填写'remote'选择remote systems, 将'reopen remote systems view to previous state'前面的勾去掉。
选择General->Startup and Shutdown,将RSE UI前的勾去掉。
话说回来,待Eclipse配置Maven完成后,可以看到SparkApps项目中的JRE System Library显示J2SE-1.5,需要修改此JRE版本。
在SparkApps项目点击右键,选择Build Path->Configure Build Path...,在Java Build Path中的Libraries标签中选择JRE System Library[J2SE-1.5],点击Edit
在“Select JRE for the project build path”中选择"Workspace default JRE(jre1.8.0_45)"后点击finish。
可以看到SparkApps项目中的Java版本变成了1.8。
在顶级包下创建子包。在SparkApps项目中的src/main/java下的com.dt.spark.SparkApps顶级包上点击右键,选择new-> package。
填写Name为com.dt.spark.SparkApps.cores后点击finish。
在com.dt.spark.SparkApps.cores包上点击右键选择new->class,在Name中填写WordCount,选中public static void main(String[] args)后点击Finish。
可以看到自动为WordCount类创建了main方法。
Maven管理项目的核心就是pom.xml,在这个文件中有工程编写运行时的依赖的支持。
编写程序前需要先修改pom.xml。
<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>com.dt.spark</groupId>
<artifactId>SparkApps</artifactId>
<version>0.0.1-SNAPSHOT</version>
<packaging>jar</packaging>
<name>SparkApps</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>1.6.0</version>
</dependency>
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-sql_2.10</artifactId>
<version>1.6.0</version>
</dependency>
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-hive_2.10</artifactId>
<version>1.6.0</version>
</dependency>
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-streaming_2.10</artifactId>
<version>1.6.0</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-client</artifactId>
<version>2.6.0</version>
</dependency>
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-streaming-kafka_2.10</artifactId>
<version>1.6.0</version>
</dependency>
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-graphx_2.10</artifactId>
<version>1.6.0</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>
<maniClass></maniClass>
</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>1.3.1</version>
<executions>
<execution>
<goals>
<goal>exec</goal>
</goals>
</execution>
</executions>
<configuration>
<executable>java</executable>
<includeProjectDependencies>false</includeProjectDependencies>
<classpathScope>compile</classpathScope>
<mainClass>com.dt.spark.SparkApps.WordCount</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>
**** Spark SQL不能取代Hive,原因是Hive包含两部分一部分是存储引擎,另一部分是计算引擎,Spark SQL取代的只是Hive的计算引擎,而Hive的存储引擎还是不错的。
未完待续......
以上内容是王家林老师DT大数据梦工厂《 IMF传奇行动》第10课的学习笔记。
王家林:Spark、Flink、Docker、Android技术中国区布道师。Spark亚太研究院院长和首席专家,DT大数据梦工厂创始人,Android软硬整合源码级专家,英语发音魔术师,健身狂热爱好者。
微信公众账号:DT_Spark
联系邮箱18610086859@126.com
电话:18610086859
QQ:1740415547
微信号:18610086859
新浪微博:ilovepains
- 第10课:底实战详解使用Java开发Spark程序学习笔记
- 第10课:底实战详解使用Java开发Spark程序学习笔记(二)
- 3000门徒内部训练绝密视频(泄密版)第10课:彻底实战详解使用Java开发Spark程序
- DT_大数据梦工厂 第8课 彻底实战详解使用IDE开发Spark程序
- 第8课:彻底实战详解使用IDE开发Spark程序
- 第8课:彻底实战详解使用IDE开发Spark程序
- 第8课:彻底实战详解使用IDE开发Spark程序--集群模式运行
- 第8课:彻底实战详解使用IDE开发Spark程序
- 3000门徒内部训练绝密视频(泄密版)第8课:彻底实战详解使用IDE开发Spark程序
- 第58课:使用Java和Scala在IDE中开发DataFrame实战学习笔记
- 第58课:使用Java和Scala在IDE中开发DataFrame实战学习笔记
- 第十课 使用java开发spark 实战
- 3000门徒内部训练绝密视频(泄密版)第9课:彻底实战详解使用IntelliJ IDEA下的Spark程序开发
- 使用java开发spark实战
- 使用java开发spark 实战
- 第83课:使用Scala和Java两种方式实战Spark Streaming开发 本地webui小技巧
- 第68课:SparkSQL JDBC实战详解学习笔记
- 第71课:Spark SQL窗口函数解密与实战学习笔记
- 黑马程序员-OC加强-Block
- 图解Spark Transformation算子
- processing 鼠标光标显隐设置
- ubuntu再装软件是遇到 ubuntu-E:Encountered a section with no Package: header的解决办法
- 关于子网掩码(Netmask)
- 第10课:底实战详解使用Java开发Spark程序学习笔记
- php laravel mysql无法连接处理方案(linux服务器配置)
- mysql root密码丢失
- PHP常见面试题(简答部分一)
- 求n的阶乘后导0的个数
- POJ-2115-C Looooops-扩展欧几里德算法
- 1065. A+B and C (64bit) (20)
- 堆和栈的区别
- vim 解决中文乱码,设置高亮,共享粘贴板