Spark大数据分析与实战笔记（第二章 Spark基础-04）_spark大数据分析与实战4-2源码

还有兄弟不知道网络安全面试可以提前刷题吗？费时一周整理的160+网络安全面试题，金九银十，做网络安全面试里的显眼包！

王岚嵚工程师面试题（附答案），只能帮兄弟们到这儿了！如果你能答对70%，找一个安全工作，问题不大。

对于有1-3年工作经验，想要跳槽的朋友来说，也是很好的温习资料！

【完整版领取方式在文末！！】

93道网络安全面试题

内容实在太多，不一一截图了

黑客学习资源推荐

最后给大家分享一份全套的网络安全学习资料，给那些想学习 网络安全的小伙伴们一点帮助！

对于从来没有接触过网络安全的同学，我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。

😝朋友们如果有需要的话，可以联系领取~

1️⃣零基础入门

① 学习路线

对于从来没有接触过网络安全的同学，我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。

② 路线对应学习视频

同时每个成长路线对应的板块都有配套的视频提供：

2️⃣视频配套工具&国内外网安书籍、文档

① 工具

② 视频

③ 书籍

资源较为敏感，未展示全面，需要的最下面获取

② 简历模板

因篇幅有限，资料较为敏感仅展示部分资料，添加上方即可获取👆

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以点击这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

章节概要

Spark是一个快速、通用、可扩展的大数据处理引擎，具有高效的内存计算能力和丰富的数据处理功能。在大数据领域中，Spark已经成为一个重要的工具和平台，被广泛应用于数据分析、机器学习、图计算等多个领域。

了解Spark的运行架构和原理，对于高效地使用和优化Spark程序非常重要。Spark的运行架构和原理涉及到数据处理模型、任务调度机制、资源管理策略等多个方面的知识。理解这些知识可以帮助我们更好地理解Spark的工作原理，从而合理地配置和管理计算资源，设计和优化Spark程序。

本章节将深入探讨Spark的运行架构与原理。首先，我们将介绍Spark的基本概念和特点，以及Spark的集群模式和运行模式。然后，我们将详细解析Spark的执行引擎Spark Core，包括其任务划分与调度机制。接着，我们将介绍Spark的数据抽象模块RDD和DataFrame/Dataset，并分析其在数据处理中的作用和原理。此外，本章节还将对Spark的资源管理器和任务调度器进行详细讨论，包括Cluster Manager和DAG调度器的工作原理和实现方式。最后，我们将通过实际的运行架构实例分析，具体了解Spark在不同的集群模式下的运行架构和工作流程。

通过学习本章节内容，读者将能够全面了解Spark的运行架构与原理，掌握Spark程序的设计和优化方法。无论是初学者还是有一定经验的开发者，通过深入学习Spark的运行架构与原理，都能够更好地利用Spark处理大数据任务，并开发出高效、可扩展的Spark应用程序。

2.4 体验第一个Spark程序

2.4.1 运行Spark官方示例SparkPi

Spark集群已经部署完毕,接下来我们使用Spark官方示例SparkPi,体验Spark集群提交任务的流程。首先进入spark目录，执行命令如下。

bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master spark://hadoop01:7077 \
--executor-memory 1G \
--total-executor-cores 1 \
examples/jars/spark-examples_2.11-2.3.2.jar \
10

上述命令参数表示含义如下:

• 1、–master spark://hadoop01:7077：指定Master的地址是hadoop01节点
• 2、–executor-memory1G：指定每个executor的可用内存为1G
• 3、–total-executor-cores 1：指定每个executor使用的CPU核心数为1个

按【回车键】提交Spark作业后，观察Spark集群管理界面，其中“Running Applications”列表表示当前Spark集群正在计算的作业，执行几秒后，刷新界面，在Completed Applications表单下，可以看到当前应用执行完毕，返回控制台查看输出信息，出现了“Pi is roughly 3.140691140691141”，说明Pi值已经被计算完毕。，如下图所示。


计算出来的结果准确是由参数（命令中最后的10）决定的，这个参数越大，准确度超高。

在高可用模式提交任务时，可能涉及多个Master,在提交任务时,需要让SparkContext指向一个Master列表 ,执行提交任务的命令如下。

bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master spark://hadoop01:7077,hadoop02:7077,hadoop03:7077 \
--executor-memory 1G \
--total-executor-cores 1 \
examples/jars/spark-examples_2.11-2.3.2.jar \
10

总结

在体验第一个Spark程序之前，确保已经安装好了Spark，并且配置环境变量和启动Spark集群。

首先，在终端中输入以下命令启动Spark集群：

sbin/start-all.sh

接着，创建一个新的Spark应用程序，命名为SparkPi，并在该应用程序中编写代码计算Pi的近似值。

import org.apache.spark.{SparkConf, SparkContext}

object SparkPi {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf().setAppName("SparkPi")
    val sc = new SparkContext(conf)

    val slices = if (args.length > 0) args(0).toInt else 2
    val n = 100000 \* slices
    val count = sc.parallelize(1 to n, slices).map { i =>
      val x = Math.random() \* 2 - 1
      val y = Math.random() \* 2 - 1
      if (x \* x + y \* y <= 1) 1 else 0
    }.reduce(_ + _)

    println("Pi is roughly " + 4.0 \* count / n)

    sc.stop()
  }
}

代码解释：

1. 创建SparkConf对象，设置应用程序的名称为"SparkPi"。
2. 使用SparkConf创建SparkContext对象，该对象将作为Spark应用程序的入口点。
3. 通过命令行参数获取切片的数量（默认为2），计算需要生成的随机点的总数。
4. 使用parallelize方法创建一个RDD，该RDD包含了1到n的数字，并指定了切片的数量。
5. 对每个数字进行映射操作，生成一个随机点，并判断该点是否在圆内。
6. 对所有随机点的结果进行reduce操作，得到圆内点的数量。
7. 根据公式计算Pi的近似值。
8. 打印结果并停止SparkContext。

一、网安学习成长路线图

网安所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、网安视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

三、精品网安学习书籍

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、网络安全源码合集+工具包

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、网络安全面试题

最后就是大家最关心的网络安全面试题板块

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以点击这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！