java spark WordCount

spark,又一个传说中的分布式实现,详情:http://spark-project.org/,

安装这里就不写了，因为网上已有中文介绍，这里主要是介绍一下入门，和hadoop一样，学习的时候，首先学习spark提供的字符统计例子：javaWordCount

<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-core_2.10</artifactId>
<version>1.1.0</version>
</dependency>

 

原始代码如下：

Java代码  


import scala.Tuple2;  

import spark.api.java.JavaPairRDD;  

import spark.api.java.JavaRDD;  

import spark.api.java.JavaSparkContext;  

import spark.api.java.function.FlatMapFunction;  

import spark.api.java.function.Function2;  

import spark.api.java.function.PairFunction;  

  

import java.util.Arrays;  

import java.util.List;  

  

public class JavaWordCount {  

  public static void main(String[] args) throws Exception {  

    if (args.length < 2) {  

      System.err.println("Usage: JavaWordCount <master> <file>");  

      System.exit(1);  

    }  

  

    JavaSparkContext ctx = new JavaSparkContext(args[0], "JavaWordCount",  

        System.getenv("SPARK_HOME"), System.getenv("SPARK_EXAMPLES_JAR"));  

    JavaRDD<String> lines = ctx.textFile(args[1], 1);  

  

    JavaRDD<String> words = lines.flatMap(new FlatMapFunction<String, String>() {  

      public Iterable<String> call(String s) {  

        return Arrays.asList(s.split(" "));  

      }  

    });  

      

    JavaPairRDD<String, Integer> ones = words.map(new PairFunction<String, String, Integer>() {  

      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>() {  

      public Integer call(Integer i1, Integer i2) {  

        return i1 + i2;  

      }  

    });  

  

    List<Tuple2<String, Integer>> output = counts.collect();  

    for (Tuple2 tuple : output) {  

      System.out.println(tuple._1 + ": " + tuple._2);  

    }  

    System.exit(0);  

  }  

}  

  运行： ./run spark/examples/JavaWordCount  local input.txt
 local：不解析，自己查

input.txt:文件类容

Html代码  


Hello World Bye World goole  

 运行的结果和haddoop中运行的JavaWordCount  一样

 

Html代码  


goole: 1  

World: 2  

Hello: 1  

Bye: 1