基于maven创建spark工程、调试并运行
来源:互联网 发布:悦诗风吟小绿瓶 知乎 编辑:程序博客网 时间:2024/06/03 19:54
建立spark工程有两种方式:java工程、maven工程。
由于maven管理jar包很方便,本篇基于maven构建spark工程。
spark支持四种语言:scala、java、python、R。
其中scala是基于java的语言,必须有JDK支持。
同时也是spark源码语言,官方API文档对scala的支持是最好的。
如果能选择scala语言作为spark程序的开发,是最好的。
java、python是spark中支持比较好的语言,官方文档中有完整的API解释。
R语言是spark1.4版之后才开始支持,官方资源较少,网络资源也少。
由于博主之前用的是java,这里为了快速入手,构建出能运行spark实例,还是用java开发spark程序。
先决条件:
1、已安装好maven。
2、已安装好hadoop。
3、已安装好spark。
maven构建spark工程基本步骤:
1、新建maven工程。
2、新建JavaSparkPi类。
3、添加spark解压包中JavaSparkPi.java代码。
package sparkTest;/* * Licensed to the Apache Software Foundation (ASF) under one or more * contributor license agreements. See the NOTICE file distributed with * this work for additional information regarding copyright ownership. * The ASF licenses this file to You under the Apache License, Version 2.0 * (the "License"); you may not use this file except in compliance with * the License. You may obtain a copy of the License at * * http://www.apache.org/licenses/LICENSE-2.0 * * Unless required by applicable law or agreed to in writing, software * distributed under the License is distributed on an "AS IS" BASIS, * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. * See the License for the specific language governing permissions and * limitations under the License. */import org.apache.spark.SparkConf;import org.apache.spark.api.java.JavaRDD;import org.apache.spark.api.java.JavaSparkContext;import org.apache.spark.api.java.function.Function;import org.apache.spark.api.java.function.Function2;import java.util.ArrayList;import java.util.List;/** * Computes an approximation to pi * Usage: JavaSparkPi [slices] */public final class JavaSparkPi { public static void main(String[] args) throws Exception { SparkConf sparkConf = new SparkConf().setAppName("JavaSparkPi").setMaster("local"); JavaSparkContext jsc = new JavaSparkContext(sparkConf); int slices = (args.length == 1) ? Integer.parseInt(args[0]) : 2; int n = 100000 * slices; List<Integer> l = new ArrayList<Integer>(n); for (int i = 0; i < n; i++) { l.add(i); } JavaRDD<Integer> dataSet = jsc.parallelize(l, slices); int count = dataSet.map(new Function<Integer, Integer>() { @Override public Integer call(Integer integer) { double x = Math.random() * 2 - 1; double y = Math.random() * 2 - 1; return (x * x + y * y < 1) ? 1 : 0; } }).reduce(new Function2<Integer, Integer, Integer>() { @Override public Integer call(Integer integer, Integer integer2) { return integer + integer2; } }); System.out.println("Pi is roughly " + 4.0 * count / n); jsc.stop(); }}
4、下载spark-core_2.10-1.6.1jar包及其依赖包。
5、import jar包,消除源码编译错误。
6、运行程序,提示错误:A master URL must be configuration.
解决:sparkContext.setMaster("local").local表示本地运行程序。
形式:SparkConf sparkConf = new SparkConf().setAppName("JavaSparkPi").setMaster("local");
7、再次运行,报错:sparkDriver failed。
原因:IP地址和端口不对
解决方法:第一步:打开spark-env.sh文件。添加:SPARK_MASTER_IP=127.0.0.1,SPARK_LOCAL_IP=127.0.0.1.最好填IP而非名字(localhost)
第二步:sudo gedit /etc/hosts打开系统hosts文件。添加如下内容。
192.168.0.115 localhost peter-HP-ENVY-Notebook255.255.255.255 broadcasthost127.0.0.1 localhost localhost.localdomain localhost4 localhost4.localdomain4 peter-HP-ENVY-Notebook::1 localhost localhost.localdomain localhost6 localhost6.localdomain6 peter-HP-ENVY-Notebook
具体原因还没深究。大致解释如下。
第一行表示IP、对应的机器为本机、对应机器名。
第二行表示IP、局域网广播host IP
第三行表示本机对应的各个别名。
第四行表示、具体我也没搞懂。
注意:IP127.0.0.1就是本机的另一种写法。IP192.168.0.115才是本机真实的IP地址,是局域网IP地址。
sparkDriver failed就是对应的sparkDriver 端口port 0连不上,就是hosts中没有设置真实IP地址,之前只设置了127.0.0.1 localhost。
扩展调试:
1、stop-dfs.sh关闭hadoop的hdfs分布式文件存储系统后,运行sparkPi程序,同样成功。
分析:sparkPi程序没有读取HDFS上的文件,不需要HDFS支持。
具体计算由spark程序完成,不需要mapreduce。
资源调度不开启yarn也可以。本身hadoop程序不开启yarn也可以。
2、stop-all.sh关闭spark的master、worker,运行sparkPi程序,同样OK。
分析:此例子设置了local运行模式,所以不需要master、worker模式。
如果没设置,是standalone模式,则需要开启master、worker。
补充说明:
1、sparkDriver failed报错,查看的几个文件。
spark-defaults.conf.template,没有设置,后面需要注意这个文件的作用及何时设置。
slaves.template,没有设置,它决定worker的IP地址。
spark-env.sh,修改设置了,它决定master的IP地址,还有很有参数。我的设置如下。
# set spark environment export JAVA_HOME=/usr/lib/jvm/java export SCALA_HOME=/opt/scala export SPARK_MASTER_IP=127.0.0.1 export SPARK_LOCAL_IP=127.0.0.1 export SPARK_WORKER_CORES=2 export SPARK_WORKER_MEMORY=1g export HADOOP_CONF_DIR=/usr/local/hadoop/etc/hadoop
2、如何程序打成jar包,放在spark集群上运行,这里给出初步思路。
利用maven或者eclipse将程序打成jar包。
命令行运行spark-submit ×××.jar --params,运行jar包,注意参数的输入。
小知识:
命令hostname,查看本机machine name。
- 基于maven创建spark工程、调试并运行
- idea创建maven工程的spark项目
- 创建并运行maven项目
- 创建并运行maven项目
- 创建并运行maven项目
- 创建并运行maven项目
- intelliji idea 基于maven运行spark程序
- idea+maven+scala创建wordcount,打包jar并在spark on yarn上运行
- idea+maven+scala创建wordcount,打包jar并在spark on yarn上运行
- idea基于maven创建spark项目
- 创建Maven父子工程并导入Eclipse
- 使用QT CREATOR2.4.1创建工程,并在LINUX上运行,能编译,GDB+GDBSERVER调试(例子工程,dvrgui)
- eclipse 创建javaweb工程 发布并运行
- Maven 创建java web项目并运行
- 一. 在jetty上远程部署并调试maven工程
- WEBX3学习-eclipse下导入并运行webx(maven)工程
- Jenkins 构建maven工程打成jar包并运行
- 基于springBoot的maven工程打成jar包进行运行
- 二分求幂
- 常用的爬虫技巧
- 关于CoreLocation的属性和基本的时候
- hdoj 2052 Picture
- Android圆形图片--自定义控件
- 基于maven创建spark工程、调试并运行
- 在eclipse中使用Tomcat8.0时出现了 Could not publish server configuration for Tomcat v8.0 Server at localhost.
- AsyncTask 加载progressBar 的简单应用
- 开发资源下载(10.20更新AndroidStudio2.2.2)
- 应对 Memcached 缓存失效,导致高并发查询 DB 的几种思路
- Home > IOS安全–使用class-dump-z导出IOS应用类信息 IOS安全–使用class-dump-z导出IOS应用类信息
- 如何保护你的API
- 线上性能问题初步排查方法
- 常用统计函数 mysql