WordCount

各种WordCount

java

1.

 public static void main(String[] args) {
        //step01
        SparkConf conf = new SparkConf();
     
        conf.setMaster("local[*]");
        conf.setAppName(_01WordCountJavaApp.class.getSimpleName());
        JavaSparkContext jsc = new JavaSparkContext(conf);

        //step02 加载外部数据
        JavaRDD<String> lines = jsc.textFile("file:///D:/hello.txt");

        //step03
        JavaRDD<String> wordsRDD = lines.flatMap(new FlatMapFunction<String, String>() {
            @Override
            public Iterator<String> call(String line) throws Exception {

                return Arrays.asList(line.split(",|\\s+")).iterator();


            }
        });
        JavaPairRDD<String, Integer> pairRDD = wordsRDD.mapToPair(new PairFunction<String, String, Integer>() {
            @Override
            public Tuple2<String, Integer> call(String word) throws Exception {
                return new Tuple2<String, Integer>(word, 1);

            }
        });

        JavaPairRDD<String, Integer> retRDD = pairRDD.reduceByKey(new Function2<Integer, Integer, Integer>() {
            @Override
            public Integer call(Integer v1, Integer v2) throws Exception {
                return v1 + v2;
            }
        });
        
        //step04 action触发作业
        retRDD.foreach(new VoidFunction<Tuple2<String, Integer>>() {
            @Override
            public void call(Tuple2<String, Integer> t) throws Exception {
                System.out.println(t._1 + "---->" + t._2);
            }
        });

        //step5
        jsc.stop();

    }
    

2.

public static void main(String[] args) {


        //局部调整spark应用的日志级别
        Logger.getLogger("org.apache.spark").setLevel(Level.WARNING);
        Logger.getLogger("org.apache.hadoop").setLevel(Level.WARNING);
        Logger.getLogger("org.spark_project").setLevel(Level.WARNING);
        /**
         * master指定的是spark作业的运行方式
         *  local   spark作业在本地来运行
         *      local       为当前spark作业分配1个工作线程
         *      local[N]    为当前spark作业分配N个工作线程,当然N不能超过机器所拥有的资源
         *      local[*]    为当前spark作业,根据机器使用情况,分配可用的所有的工作线程
         *          -----一旦作业提交失败,就挂了
         *      local[N, M] N的含义和local[N]中的N一样
         *          -----一旦作业提交失败,最多还可以进行M次的尝试
         *  standalone 使用自己安装的spark集群方式进行运行,需要指定master的地址
         *      spark://bigdata01:7077
         *      spark://bigdata01:7077,bigdata02:7077 --->ha的写法
         *  yarn(国内多使用这种方式) 不再使用spark集群来运行spark作业,转而使用yarn集群
         *      cluster sparkContext构建在yarn集群中 这种多用于生产环境
         *      client  sparkContext构建在本地 这种多用于测试环境
         *  mesos(主要在欧美使用)
         *      master
         *      slave
         */

        //step01
        SparkConf conf = new SparkConf();
        conf.setMaster("local[*]");
        conf.setAppName(_02WordCountJavaApp.class.getSimpleName());

        JavaSparkContext jsc = new JavaSparkContext(conf);

        //step02 加载外部数据
        JavaRDD<String> lines = jsc.textFile("file:///D:/hello.txt");

        JavaRDD<String> words = lines.flatMap(line -> Arrays.asList(line.split("\\s+")).iterator());

        JavaPairRDD<String, Integer> pairsRDD = words.mapToPair(word -> new Tuple2<String, Integer>(word, 1));
        JavaPairRDD<String, Integer> ret = pairsRDD.reduceByKey((v1, v2) -> v1 + v2);


        ret.foreach(t -> System.out.println(t._1 + "---" + t._2));
        //step 5 释放资源
        jsc.stop();


    }

Scala

var array = Array("a b c", "a b", "a")
array.map(x => x.split(" ")).flatten.map(x => (x, 1)).groupBy(x => x._1).map(x => (x._1, x._2.length))
array.flatMap(x => x.split(" ")).map(x => (x, 1)).groupBy(x => x._1).map(x => (x._1, x._2.length))
array.flatMap(x => x.split(" ")).groupBy(x => x).map(x => (x._1, x._2.length))
array.flatMap(x => x.split(" ")).groupBy(x => x).map(x => (x._1, x._2.length)).toList.sortBy(x => x._2).reverse
array.flatMap(x => x.split(" ")).groupBy(x => x).map(x => (x._1, x._2.length)).toList.sortWith((x, y) => x._2 > y._2)
array.flatMap(_.split(" ")).map((_, 1)).groupBy(_._1).mapValues(_.foldLeft(0)(_+_._2))

spark

1.

object _01WordCountScalaApp {
  def main(args: Array[String]): Unit = {

    val conf = new SparkConf()
              .setAppName(s"${_01WordCountScalaApp.getClass.getSimpleName}")
              .setMaster("local")
    val sc = new SparkContext(conf)

    val list = List(
      "guo jing",
      "huang rong",
      "ou yang feng",
      "hong qi gong",
      "yang kang",
      "yang guo "
    )

    val listRDD : RDD[String] = sc.parallelize(list)

    val retRDD : RDD[(String,Int)] = listRDD.flatMap(_.split("\\s+")).map((_, 1)).reduceByKey(_+_)

    retRDD.foreach(println)
    sc.stop()

  }

}

2.

/**
  * 加载外部hdfs中的文件,进行计算
  * java.net.UnknownHostException: ns1
  *      将core-site.xml和hdfs-site.xml添加到classpath下面即可
  * 此时再去读取本地文件,便会报文件路径找不到,因为有了这两文件的原因,
  * 将自动将传入的路径解析为hdfs的路,后续的本地文件格式写法如下:
  * file:///E:/data/hello.txt
  */
object _02WordCountApp {
  def main(args: Array[String]): Unit = {

    val conf = new SparkConf()
                .setAppName(s"${_02WordCountApp.getClass.getSimpleName}")
                 .setMaster("local")
    val sc = new SparkContext(conf)

    val listRDD :RDD[String] = sc.textFile("hdfs://bd1901/data/hello")

    val retRDD : RDD[(String,Int)] = listRDD.flatMap(_.split("\\s+")).map((_,1)).reduceByKey(_+_)

    sc.stop()

  }
}

3.

object _03WordCountRemoteApp {
  def main(args: Array[String]): Unit = {
    if(args == null || args.length<1){
      println(
        """Parameter Errors! Usage:<inputpath> <sleep> <output>
 |                  |inputpath:   程序输入参数
 |                  |sleep:   休眠时间
 |                  |output:  程序输出参数

        """.stripMargin)
      System.exit(-1)

    }

    val Array(inputpath,sleep,output) = args //模式匹配


    val conf = new SparkConf()
      .setAppName(s"${_03WordCountRemoteApp.getClass.getSimpleName}")
//      .setMaster("local")
    val sc = new SparkContext(conf)

    val listRDD :RDD[String] = sc.textFile("inputpath")

    val retRDD : RDD[(String,Int)] = listRDD.flatMap(_.split("\\s+")).map((_,1)).reduceByKey(_+_)

    retRDD.collect()//将partition中的数据从executor拉回到driver中


    Thread.sleep(sleep.toLong)
    sc.stop()


  }

}
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