关闭

scala 在 spark 中操作 hdfs

标签: scalahdfsspark
3665人阅读 评论(0) 收藏 举报
分类:

问题场景:在编写spark程序时,输出目录存在会造成spark任务失败。处理方法有2种,第一利用脚本方式,在主任务之上加层处理,第二,在spark任务中先处理掉目录。spark支持的可编程语言有Scala、Python、Java。其中Python无需编译打包,十分方便,但是貌似没有处理hdfs系统的Python接口,而Python的执行脚本语言是异步于主任务的,换言之,主任务与脚本任务的执行完成顺序是不确定的。而Java语言貌似不是主流的spark语言。其中最完善的就是原生的Scala语言。所以在Scala中完成对hdfs的控制,及对主任务计算方式的控制,是spark任务最优雅的方式。


所需jar包: spark-assembly-1.2.1-hadoop2.4.0.jar 


实例代码:

package com.util

import java.io.BufferedInputStream
import java.io.File
import java.io.FileInputStream
import java.io.InputStream

import org.apache.hadoop.conf._
import org.apache.hadoop.fs._
import org.apache.hadoop.fs.Path._

object ScalaHdfs {
  
    def ls(fileSystem:FileSystem,path:String)= {
      println("list path:"+path)
      val fs = fileSystem.listStatus(new Path(path))
      val listPath = FileUtil.stat2Paths(fs)
      for( p <- listPath) {
        println(p)
      }
      println("----------------------------------------")
    }
  
    def main(args: Array[String]) {
      val conf = new Configuration()
      println(conf)
      val fileSystem = FileSystem.get(conf)
      ls(fileSystem,"/")
    }
}


输出结果:

[hadoop@localhost spark-1.2]$ ./spark-submit --class com.util.ScalaHdfs  ScalaHdfs.jar
Spark assembly has been built with Hive, including Datanucleus jars on classpath
Configuration: core-default.xml, core-site.xml
list path:/
hdfs://localhost:9000/aaa
hdfs://localhost:9000/bbb
hdfs://localhost:9000/ccc
hdfs://localhost:9000/ddd
hdfs://localhost:9000/count
hdfs://localhost:9000/hbase
hdfs://localhost:9000/tmp
hdfs://localhost:9000/user
----------------------------------------


参考:http://m.blog.csdn.net/blog/linger2012liu/43314651


0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:70388次
    • 积分:1053
    • 等级:
    • 排名:千里之外
    • 原创:39篇
    • 转载:14篇
    • 译文:0篇
    • 评论:2条
    文章分类
    最新评论