spark提交jar包到集群中

这里简单做一个wordcount代码,代码如下
scala版本

object WordCount {
  def main(args: Array[String]): Unit = {
    // 创建SparkConf
    val conf = new SparkConf().setAppName("WordCount")
    // 创建SparkContext
    val sc = new SparkContext(conf)
    // 通过SparkContext创建RDD
    val lines: RDD[String] = sc.textFile(args(0))
    // 切分压平
    val words = lines.flatMap(_.split(" "))
    // 将单词和1组合
    val wordOne: RDD[(String, Int)] = words.map((_, 1))
    // 分组聚合
    val reduced: RDD[(String, Int)] = wordOne.reduceByKey(_ + _)
    // 排序
    val sorted: RDD[(String, Int)] = reduced.sortBy(_._2, false)
    // 将计算好的数据保存到hdfs中
    sorted.saveAsTextFile(args(1))
    // 释放资源
    sc.stop()
  }
}

java版本

/**
 * 使用Lambda表达式
 */
public class JavaLambdaWordCount {
    public static void main(String[] args) {
        // 创建conf
        SparkConf conf = new SparkConf().setAppName("JavaLambdaWordCount");
        // 创建sparkcontext
        JavaSparkContext jsc = new JavaSparkContext(conf);
        // 读取文件
        JavaRDD<String> lines = jsc.textFile(args[0]);
        // 切分压平
        JavaRDD<String> words = lines.flatMap(line -> Arrays.stream(line.split(" ")).iterator());
        // 单词和1组合
        JavaPairRDD<String, Integer> wordAndOne = words.mapToPair(word -> Tuple2.apply(word, 1));
        // 分组聚合
        JavaPairRDD<String, Integer> reduced = wordAndOne.reduceByKey((x, y) -> x + y);
        // 元组内元素位置置换
        JavaPairRDD<Integer, String> swaped = reduced.mapToPair(tp -> tp.swap());
        // 排序
        JavaPairRDD<Integer, String> sorted = swaped.sortByKey(false);
        // 元组内元素位置置换
        JavaRDD<Tuple2<String, Integer>> result = sorted.map(tp -> tp.swap());
        // 将结果集保存到hdfs
        result.saveAsTextFile(args[1]);
        // 释放资源
        jsc.stop();
    }
}

/**
 * 不使用Lambda表达式
 */
public class JavaWordCount {
    public static void main(String[] args) {
        SparkConf conf = new SparkConf().setAppName("JavaWordCount");
        JavaSparkContext jsc = new JavaSparkContext(conf);
        JavaRDD<String> lines = jsc.textFile(args[0]);

        JavaRDD<String> words = lines.flatMap(new FlatMapFunction<String, String>() {
            @Override
            public Iterator<String> call(String s) throws Exception {
                String[] fields = s.split(" ");
                return Arrays.asList(fields).iterator();
            }
        });

        JavaPairRDD<String, Integer> wordAndOne = words.mapToPair(new PairFunction<String, String, Integer>() {
            @Override
            public Tuple2<String, Integer> call(String s) throws Exception {
                return Tuple2.apply(s, 1);
            }
        });

        JavaPairRDD<String, Integer> reduced = wordAndOne.reduceByKey(new Function2<Integer, Integer, Integer>() {
            @Override
            public Integer call(Integer integer, Integer integer2) throws Exception {
                return integer + integer2;
            }
        });

        JavaPairRDD<Integer, String> swap = reduced.mapToPair(new PairFunction<Tuple2<String, Integer>, Integer, String>() {
            @Override
            public Tuple2<Integer, String> call(Tuple2<String, Integer> tp) throws Exception {
                return tp.swap();
            }
        });

        JavaPairRDD<Integer, String> sorted = swap.sortByKey(false);

        JavaPairRDD<String, Integer> result = sorted.mapToPair(new PairFunction<Tuple2<Integer, String>, String, Integer>() {
            @Override
            public Tuple2<String, Integer> call(Tuple2<Integer, String> tp) throws Exception {
                return Tuple2.apply(tp._2, tp._1);
            }
        });

        result.saveAsTextFile(args[1]);

        jsc.stop();

    }
}

通过maven将代码打成jar包,集群中org.scala-lang和org.apache.spark的jar包资源都是存在的所以不需要将这两个也打进去,可在pom文件中加入scope,这样就不会将这两个的jar包资源打进去,然后双击package即可

<dependency>
            <groupId>org.scala-lang</groupId>
            <artifactId>scala-library</artifactId>
            <version>${scala.version}</version>
            <scope>provided</scope>
        </dependency>

        <!-- 导入spark的依赖,core指的是RDD编程API -->
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_2.12</artifactId>
            <version>${spark.version}</version>
            <scope>provided</scope>
        </dependency>

在这里插入图片描述
.在target中找到刚刚打好的jar包,上传到集群中,执行spark-submit提交任务即可,如下

./bin/spark-submit --master spark://lx01:7077 --executor-memory 512m --total-executor-cores 8 --class cn.jin.spark.WordCount /opt/apps/spark-3.0.0-bin-hadoop2.7/spark-1.0-SNAPSHOT.jar hdfs://lx01:9000/test/wordcount.txt hdfs://lx01:9000/test/out
# --master 是指定将任务提交给spark的哪个master
# --executor-memory 是指分配的executor的内存资源
# --total-executor-cores 是指分配的executor CPU核数
# --class 是指运行的主类名 然后输入jar包的路径即可,最后两个是传入的参数,在这里是从hdfs读取文件的路径和将结果写入hdfs的路径.

查看结果如下图所示
在这里插入图片描述

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值