Spark再体验之springboot整合spark
来源:互联网 发布:怎样看淘宝退款率 编辑:程序博客网 时间:2024/05/29 17:52
有说胎记是前世死的方式,偶肚子上有个,于是想,难不成上辈子是被人捅死的,谁那么狠。。。后来遇到个人,在同样的位置也有个类似的,忽然就平衡了。
神回复:也可能你们俩上辈子是很烤串
前言
上一篇主要讲的是spark环境的搭建和任务的提交,这一篇是将spark直接部署在springboot搭建的web服务里,一些数据逻辑交给spark去处理,至于原理等我对spark有了更深的理解再来一一讲述!
编码
使用springboot快速搭建一个web框架,之前对pom中的依赖配置不是怎么在意,进过spark和scala版本的坑之后,发现想配置一个完美的pom是多么的不容易,下面倾情奉送
<parent> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-parent</artifactId> <version>1.3.2.RELEASE</version> <relativePath/> <!-- lookup parent from repository --> </parent> <properties> <scala.version>2.10.4</scala.version> <spark.version>1.6.2</spark.version> </properties> <dependencies> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-web</artifactId> <exclusions> <exclusion> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-logging</artifactId> </exclusion> </exclusions> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-log4j</artifactId> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-test</artifactId> <scope>test</scope> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-thymeleaf</artifactId> </dependency> <dependency> <groupId>org.scala-lang</groupId> <artifactId>scala-library</artifactId> <version>${scala.version}</version> </dependency> <dependency> <groupId>com.fasterxml.jackson.core</groupId> <artifactId>jackson-databind</artifactId> <version>2.4.4</version> </dependency> <dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-core_2.10</artifactId> <version>${spark.version}</version> <exclusions> <exclusion> <groupId>org.slf4j</groupId> <artifactId>slf4j-log4j12</artifactId> </exclusion> <exclusion> <groupId>log4j</groupId> <artifactId>log4j</artifactId> </exclusion> </exclusions> </dependency> <dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-launcher_2.10</artifactId> <version>${spark.version}</version> </dependency> <dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-mllib_2.10</artifactId> <version>${spark.version}</version> </dependency> <dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-streaming_2.10</artifactId> <version>${spark.version}</version> </dependency> <dependency> <groupId>junit</groupId> <artifactId>junit</artifactId> <version>4.4</version> <scope>test</scope> </dependency> <dependency> <groupId>org.specs</groupId> <artifactId>specs</artifactId> <version>1.2.5</version> <scope>test</scope> </dependency> <dependency> <groupId>org.ansj</groupId> <artifactId>ansj_seg</artifactId> <version>5.1.1</version> </dependency> </dependencies> <build> <plugins> <plugin> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-maven-plugin</artifactId> </plugin> <plugin> <groupId>org.apache.maven.plugins</groupId> <artifactId>maven-compiler-plugin</artifactId> <configuration> <source>1.8</source> <target>1.8</target> </configuration> </plugin> </plugins> </build>
这里包含了springboot和spark需要的依赖
然后再写一个计算单词个数的方法,这个程序跟以前的一样,只是SparkConfig
的配置有所改变
@Componentpublic class WordCountService implements Serializable { private static final Pattern SPACE = Pattern.compile(" "); @Autowired private transient JavaSparkContext sc; public Map<String, Integer> run() { Map<String, Integer> result = new HashMap<>(); JavaRDD<String> lines = sc.textFile("C:\\Users\\bd2\\Downloads\\blsmy.txt").cache(); lines.map(new Function<String, String>() { @Override public String call(String s) throws Exception { System.out.println(s); return s; } }); System.out.println(lines.count()); JavaRDD<String> words = lines.flatMap(new FlatMapFunction<String, String>() { @Override public Iterable<String> call(String s) throws Exception { return Arrays.asList(SPACE.split(s)); } }); JavaPairRDD<String, Integer> ones = words.mapToPair(new PairFunction<String, String, Integer>() { private static final long serialVersionUID = 1L; public Tuple2<String, Integer> call(String s) { return new Tuple2<String, Integer>(s, 1); } }); JavaPairRDD<String, Integer> counts = ones.reduceByKey(new Function2<Integer, Integer, Integer>() { private static final long serialVersionUID = 1L; public Integer call(Integer i1, Integer i2) { return i1 + i2; } }); List<Tuple2<String, Integer>> output = counts.collect(); for (Tuple2<String, Integer> tuple : output) { result.put(tuple._1(),tuple._2()); } return result; }}
注意 注意 注意
上面两点写法需要注意 implements Serializable
和private transient JavaSparkContext sc
transient
为的是不让sc序列化,如果没有它做修饰,你会遇到这样错
Task not serializable] with root causejava.io.NotSerializableException: com.quick.spark.xxx
别说我怎么知道的,这个问题花了整整一下午一把血与泪啊,中文,,英文和日文的解答都尼玛看了。。。文本我用的是《巴黎圣母院》的英文版,下面是结果
结果
代码我放在了GitHub上,有兴趣的可以看一看。
后记
代码都放在了公司了,自己住的地方网速慢的要死,短短一篇文章写了半个多小时。。。
接触spark不到四天,通过demo对其有了更进一步的认识,前几天买的书《Spark快速大数据分析》今天刚到,值得去看一看。
后续
早上使用java8提供的lambda表达式改了以下代码,如下图
代码量减少了一倍,据说效率还提高了。。。
- Spark再体验之springboot整合spark
- spark初体验之wordCount
- Spark streaming整合flume之Push方式
- Spark streaming整合Flume之pull方式
- Spark streaming整合Kafka之Receiver方式
- Spark streaming整合Kafka之Direct方式
- spark 之 spark是什么?
- Spark 之 spark submit
- spark-shell初体验
- Elasticsearch-Spark 体验
- spark streaming初体验
- spark初体验
- spark-sql初体验
- Spark Python 快速体验
- Spark Streaming+ FlumeNG整合
- 整合spark和hive
- Spark Streaming整合Kafka
- spark与elasticsearch整合
- (转)一个百倍股的坠落:那个曾经满大街的ESPRIT是如何衰败的
- day69_oracle
- 对文件的访问控制
- ofbiz部署之平台部署安装及遇到的问题
- matlab bp神经网络预测(不好用的版本)
- Spark再体验之springboot整合spark
- 交换机基础配置
- jvm的相关知识点
- mac 系统中设置环境变量,以安装GO LANG(GO语言)环境变量设置为例
- 使用Dom4j解析XML
- ViewPager撤消左右滑动切换功能
- Zynq-Linux移植学习笔记之11-qspi驱动配置
- Mybatis增强型注解简化SQL语句
- 聚合Aggregation与合成Composition