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
2016-08-11 22:16
731 查看
彻底实战详解使用Java开发Spark程序
第一步:下载Eclipse IDE for JAVA Developer第二步:解压并启动Eclipse
第三步:创建Maven工程
第四步:使用maven-archetype-quickstart,设定一些包名
第五步:通过BuildPath把默认的J2EE 1.5变成Java1.8
第六步:配置pom.xml,添加程序开发时的相关依赖,并配置具体build打包的信息
POM.xml
有各种依赖的支持
<dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-core_2.10</artifactId> <version>1.6.2</version> </dependency> <dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-sql_2.10</artifactId> <version>1.6.2</version> </dependency> <dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-hive_2.10</artifactId> <version>1.6.2</version> </dependency> <dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-streaming_2.10</artifactId> <version>1.6.2</version> </dependency> <dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-streaming-kafka_2.10</artifactId> <version>1.6.2</version> </dependency> <dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-graphx_2.10</artifactId> <version>1.6.2</version> </dependency> <dependency> <groupId>org.apache.hadoop</groupId> <artifactId>hadoop-client</artifactId> <version>2.6.0</version> </dependency>
http://maven.outofmemory.cn/org.apache.spark
package com.tom.spark.SparkApps.cores; import java.util.Arrays; import org.apache.spark.SparkConf; import org.apache.spark.api.java.JavaPairRDD; import org.apache.spark.api.java.JavaRDD; import org.apache.spark.api.java.JavaSparkContext; import org.apache.spark.api.java.function.FlatMapFunction; import org.apache.spark.api.java.function.Function2; import org.apache.spark.api.java.function.PairFunction; import org.apache.spark.api.java.function.VoidFunction; /** * 使用Java的方式开发本地测试Spark的WordCount程序 * @author * */ public class WordCount { public static void main(String[] args) { // TODO Auto-generated method stub /** * 第一步:创建Spark的配置对象,SparkConf,设置Spark程序的运行时的配置信息 * 例如通过setMaster来设置程序要连接的spark集群的Master的URL,如果设置 * 为local,则代表Spark程序在本地运行,特别适合于机器配置条件非常差的初学者 * */ SparkConf conf = new SparkConf().setAppName("Spark WordCount written by Java").setMaster("local"); /** * 第二步:创建SparkContext对象 * SparkContext是Spark程序所有功能的唯一入口,无论采用Scala、Java、Python、R等都必须有一个SparkContext(不同的语言具体的类名称不同,Java则为JavaSparkContext) * SparkContext核心作用:初始化Spark应用程序运行所需要的核心组件,包括DAGScheduler、TaskScheduler、SchedulerBackEnd * 同时还会负责Spark程序往Master注册程序等 * SparkContext是整个Spark应用程序中最为至关重要的一个对象 */ JavaSparkContext sc = new JavaSparkContext(conf); /** * 第三步:根据具体的数据来源(HDFS、HBase、Local FS、DB、S3等)通过SparkContext来创建JavaRDD * JavaRDD的创建基本有三种方式:根据外部的数据来源(例如HDFS)、根据Scala集合、由其他JavaRDD操作 * 数据会被JavaRDD划分成为一系列的Partitions,分配到每个Partition的数据属于一个Task的处理范畴 */ JavaRDD<String> lines = sc.textFile("F:/channel.txt",1); /** * 第四步:对初始的JavaRDD进行Transformation级别的处理,例如map、filter等高阶函数等的编程,来进行具体的数据计算 * 第4.1步:将每一行的字符串拆分成单个的单词 */ JavaRDD<String> words = lines.flatMap(new FlatMapFunction<String, String>(){ //如果shiScala,由于SAM转换,所以可以写成val words = lines.flatMap(_.split(" ")) @Override public Iterable<String> call(String line) throws Exception { return Arrays.asList(line.split(" ")); } }); /** * 第4.2步:在单词拆分的基础上对每个单词实例计数为1,也就是word => (word, 1) */ JavaPairRDD<String, Integer> pairs = words.mapToPair(new PairFunction<String, String, Integer>() { @Override public Tuple2<String, Integer> call(String word) throws Exception { // TODO Auto-generated method stub return new Tuple2<String, Integer> (word, 1); } }); /** * 第4.3步:在单词实例计数为1基础上,统计每个单词在文件中出现的总次数 */ JavaPairRDD<String, Integer> wordsCount = pairs.reduceByKey(new Function2<Integer, Integer, Integer>(){ //对相同的key,进行Value的累加(包括Local和Reducer级别同时Reduce) @Override public Integer call(Integer v1, Integer v2) throws Exception { // TODO Auto-generated method stub return v1 + v2; } }); wordsCount.foreach(new VoidFunction<Tuple2<String, Integer>>(){ @Override public void call(Tuple2<String, Integer> pairs) throws Exception { // TODO Auto-generated method stub System.out.println(pairs._1 + " : " + pairs._2); } }); sc.close(); } }
作业:放在集群上跑
相关文章推荐
- Spark RDD API详解(一) Map和Reduce
- 使用spark和spark mllib进行股票预测
- Spark随谈——开发指南(译)
- Spark,一种快速数据分析替代方案
- eclipse 开发 spark Streaming wordCount
- Understanding Spark Caching
- ClassNotFoundException:scala.PreDef$
- Windows 下Spark 快速搭建Spark源码阅读环境
- Spark中将对象序列化存储到hdfs
- 使用java代码提交Spark的hive sql任务,run as java application
- Spark机器学习(一) -- Machine Learning Library (MLlib)
- Spark机器学习(二) 局部向量 Local-- Data Types - MLlib
- Spark机器学习(三) Labeled point-- Data Types
- Spark初探
- Spark Streaming初探
- Spark本地开发环境搭建
- 搭建hadoop/spark集群环境
- Spark HA部署方案
- Spark HA原理架构图
- spark内存概述