【Spark亚太研究院系列丛书】Spark实战高手之路-第一章 构建Spark集群（第四步）（1）

第一步：通过Spark的shell测试Spark的工作

Step1:启动Spark集群，这一点在第三讲讲的极为细致，启动后的WebUI如下：



Step2:启动Spark Shell：



此时可以通过如下Web控制台查看shell的情况：



Step3:把Spark安装目录“README.md”拷贝到HDFS系统上

在Master节点上新启动一个命令终端，并进入到Spark安装目录下：



我们把文件拷贝到HDFS的root文件夹下：



可以看出sc就是SparkContext的实例，这是在启动Spark Shell的时候系统帮助我们自动生成的，SparkContext是把代码提交到集群或者本地的通道，我们编写Spark代码，无论是要运行本地还是集群都必须有SparkContext的实例。

接下来，我们读取“README.md”这个文件：



我们把读取的内容保存给了file这个变量，其实file是一个MappedRDD，在Spark的代码编写中，一切都是基于RDD操作的；

再接下来，我们从读取的文件中过滤出所有的“Spark”这个词



此时生成了一个FilteredRDD;

再接下来，我们统计一下“Spark”一共出现了多少次：





从执行结果中我们发现“Spark”这个词一共出现了15次。

此时，我们查看Spark Shell的Web控制台：



发现控制台中显示我们提交了一个任务并成功完成，点击任务可以看到其执行详情：



那我们如何验证Spark Shell对README.md这个文件中的“Spark”出现的15次是正确的呢？其实方法很简单，我们可以使用Ubuntu自带的wc命令来统计，如下所示：



发现此时的执行结果也是15次，和Spark Shell的计数是一样一样的。