SparkRDD 案例：计算总成绩

一、提出任务

• 成绩表，包含四个字段（姓名，语文，数学，英语），只有三条记录
  

二、完成任务

（一）将成绩文件上传到HDFS

• 执行命令： hdfs dfs -put scores.txt /input
  
• 查看成绩文件内容
  

（二）创建Maven项目

• 创建Maven项目 - CalculateScoreSum
  
  
• 将JAVA 目录改成Scala目录
  

（三）添加依赖和构建插件

• 在 pom.xml 文件里添加依赖和构建插件
  

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0
         http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>net.cb.rdd</groupId>
    <artifactId>CalculateScoreSum</artifactId>
    <version>1.0-SNAPSHOT</version>

    <dependencies>
        <dependency>
            <groupId>org.scala-lang</groupId>
            <artifactId>scala-library</artifactId>
            <version>2.12.15</version>
        </dependency>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_2.12</artifactId>
            <version>2.4.4</version>
        </dependency>
    </dependencies>
    <build>
        <sourceDirectory>src/main/scala</sourceDirectory>
        <plugins>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-assembly-plugin</artifactId>
                <version>3.3.0</version>
                <configuration>
                    <descriptorRefs>
                        <descriptorRef>jar-with-dependencies</descriptorRef>
                    </descriptorRefs>
                </configuration>
                <executions>
                    <execution>
                        <id>make-assembly</id>
                        <phase>package</phase>
                        <goals>
                            <goal>single</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
            <plugin>
                <groupId>net.alchim31.maven</groupId>
                <artifactId>scala-maven-plugin</artifactId>
                <version>3.3.2</version>
                <executions>
                    <execution>
                        <id>scala-compile-first</id>
                        <phase>process-resources</phase>
                        <goals>
                            <goal>add-source</goal>
                            <goal>compile</goal>
                        </goals>
                    </execution>
                    <execution>
                        <id>scala-test-compile</id>
                        <phase>process-test-resources</phase>
                        <goals>
                            <goal>testCompile</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>
</project>

• 注意项目使用的Scala SDK版本
  

（四）创建日志属性文件

• 在resources 文件里创建log4j.properties文件

log4j.rootLogger=ERROR, stdout, logfile
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/spark.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

（五）创建包与计算总成绩单例单例对象

• 创建net.cb.rdd包
  
• 在net.cb.rdd包里创建CalculateScoreSum单例对象

package net.cb.rdd

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

import scala.collection.mutable.ListBuffer

/**
 * 功能：计算总分
 * 作者：cb
 * 日期：2022年05月24日
 */
object CalculateScoreSum {
  def main(args: Array[String]): Unit = {
    // 设置HADOOP用户名属性，否则写HDFS文件会被拒绝
    System.setProperty("HADOOP_USER_NAME", "root")
    // 创建Spark配置对象
    val conf = new SparkConf()
      .setAppName("CalculateScoreSum")
      .setMaster("local[*]")
    // 基于配置创建Spark上下文
    val sc = new SparkContext(conf)
    // 读取HDFS文件
    val lines = sc.textFile("hdfs://master:9000/input/scores.txt")
    // 创建成绩列表
    val scores = new ListBuffer[(String, Int)]()
    lines.collect.foreach(
      line => {
        val rec = line.split(" ")
        scores += Tuple2(rec(0), rec(1).toInt)
        scores += Tuple2(rec(0), rec(2).toInt)
        scores += Tuple2(rec(0), rec(3).toInt)
      })
    // 基于成绩列表创建RDD
    val rdd1 = sc.makeRDD(scores)
    // 对成绩RDD进行按键归约处理
    val rdd2 = rdd1.reduceByKey((x, y) => x + y)
    // 输出归约处理结果
    rdd2.collect.foreach(println)
    // 将归约处理结果写入HDFS文件
    rdd2.saveAsTextFile("hdfs://master:9000/scoresum")
  }
}

（六）运行程序，查看结果

• 查看控制台输出结果
  
• 查看HDFS 上生成的结果文件
  
• 查看结果文件内容