先来一个简单的spark小程序,这是官网上的小例子,目的就是统计spark下面的README文档中包含字母a和字母b的个数,然后
打印,代码如下:
object BasicStandaloneApp extends App{
val logFile = "/home/xiaoyi/software/spark/README.md" // Should be some file on your system
val conf = new SparkConf().setAppName("Simple Application").setMaster("local")
val sc = new SparkContext(conf)
val logData = sc.textFile(logFile, 2).cache()
val numAs = logData.filter(line => line.contains("a")).count()
val numBs = logData.filter(line => line.contains("b")).count()
println("Lines with a: %s, Lines with b: %s".format(numAs, numBs))
}
由于scala代码一般是使用sbt进行项目管理,所以我们还需要在相应的sbt文件中添加spark相依的
依赖,如下所示:
name := "learning_spark"
version := "1.0"
libraryDependencies += "org.apache.spark" %% "spark-core" % "1.1.0"
这是sbt管理文件的基本格式.
从这个例子中我们可以看出spark程序的基本结构,spark的程序需要两个基本的类,第一个是SparkConf它负责spark程序的基本配置.比如上面例子中设置master 为"local"的话,就表示程序在本地执行,另外一个非常重要的类是SparkContext, spark程序的运行都是有它的实例进行启动和空值.
对于上面的例子如果在IDE中的话我们就可以直接右键run了,效果如下:
虽然这样的执行比较简单,但是终究还是得放到saprk容器或者说上集群跑的,具体的也就是先将你的应用打个包,然后用spark submit提交即可
命令如下:
spark-submit --class BasicStandaloneApp --master local target/scala-2.10/learning_spark_2.10-1.0.jar
local是spark master所在地址
任务监控界面如下: