spark要点-01

一. Spark四种运行模式

1.local 模式
spark-shell

local模式没有指定master地址,仅在本机启动一个进程(SparkSubmit),没有与集群建立联系。但是也可以正常启动spark shell和执行spark shell中的程序

2.standalone模式
Spark Shell中已经默认将SparkContext类初始化为对象sc。用户代码如果需要用到,则直接应用sc即可。
写spark程序,必须搞一个sparkContext的对象出来。

spark-shell –master spark://hadoop1:7077

val data=sc.textFile(“hdfs://hadoop1:9000/WordCount/text.txt”)

data.collect

val res1=data.flatMap(_.split(” “))

val tes3=res2.reduceByKey((+))

tes3.saveAsTextFile(“hdfs://hadoop1:9000/WordCount/output1”)

3.提交到yarn集群
4.memos集群

二. 在IDEA编写程序并提交到集群上运行

0.Maven工程pom文件

<?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>cn.edu360</groupId>
    <artifactId>spark</artifactId>
    <version>1.0-SNAPSHOT</version>

    <properties>
        <maven.compiler.source>1.8</maven.compiler.source>
        <maven.compiler.target>1.8</maven.compiler.target>
        <scala.version>2.11.8</scala.version>
        <spark.version>2.2.0</spark.version>
        <hadoop.version>2.8.1</hadoop.version>
        <encoding>UTF-8</encoding>
    </properties>

    <dependencies>
        <!-- 导入scala的依赖 -->
        <dependency>
            <groupId>org.scala-lang</groupId>
            <artifactId>scala-library</artifactId>
            <version>${scala.version}</version>
        </dependency>

        <!-- 导入spark的依赖 -->
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_2.11</artifactId>
            <version>${spark.version}</version>
        </dependency>

        <!-- 指定hadoop-client API的版本 -->
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>${hadoop.version}</version>
        </dependency>

    </dependencies>

    <build>
        <pluginManagement>
            <plugins>
                <!-- 编译scala的插件 -->
                <plugin>
                    <groupId>net.alchim31.maven</groupId>
                    <artifactId>scala-maven-plugin</artifactId>
                    <version>3.2.2</version>
                </plugin>
                <!-- 编译java的插件 -->
                <plugin>
                    <groupId>org.apache.maven.plugins</groupId>
                    <artifactId>maven-compiler-plugin</artifactId>
                    <version>3.5.1</version>
                </plugin>
            </plugins>
        </pluginManagement>
        <plugins>
            <plugin>
                <groupId>net.alchim31.maven</groupId>
                <artifactId>scala-maven-plugin</artifactId>
                <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>

            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-compiler-plugin</artifactId>
                <executions>
                    <execution>
                        <phase>compile</phase>
                        <goals>
                            <goal>compile</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>


            <!-- 打jar插件 -->
            <!--<plugin>
              <groupId>org.apache.maven.plugins</groupId>
              <artifactId>maven-shade-plugin</artifactId>
              <version>2.4.3</version>
              <executions>
                  <execution>
                      <phase>package</phase>
                      <goals>
                          <goal>shade</goal>
                      </goals>
                      <configuration>
                          <filters>
                              <filter>
                                  <artifact>*:*</artifact>
                                  <excludes>
                                      <exclude>META-INF/*.SF</exclude>
                                      <exclude>META-INF/*.DSA</exclude>
                                      <exclude>META-INF/*.RSA</exclude>
                                  </excludes>
                              </filter>
                          </filters>
                          <transformers>
                              <transformer
                                      implementation="org.apache.maven.plugins.shade.resource.AppendingTransformer">
                                  <resource>reference.conf</resource>
                              </transformer>
                              &lt;!&ndash; 指定maven方法 &ndash;&gt;
                              <transformer
                                      implementation="org.apache.maven.plugins.shade.resource.ManifestResourceTransformer">
                                  <mainClass></mainClass>
                              </transformer>
                          </transformers>
                      </configuration>
                  </execution>
              </executions>
          </plugin>-->
        </plugins>
    </build>

</project>

1.scala-Api下的WordCount
flatMap map 都是rdd上的方法
scala的api中,也有flatMap map方法
仅仅是名称一样而已,一个属于RDD,一个属于本地集合
在操作RDD的时候,是不是和本地集合一样的。
使用spark来运行程序,不需要再指定main方法了。

import org.apache.spark.SparkContext
import org.apache.spark.rdd.RDD

object WordCount {
  def main(args: Array[String]): Unit = {
    if(args.length!=2){
      println("cn.edu360.sparkDay01.WordCount <input> <output>")
      sys.exit()
    }
    val Array(input,output)=args
    val sc: SparkContext = new SparkContext()
    //获取输入流
    val data: RDD[String] = sc.textFile(input)
    //切分
    val cutRes: RDD[String] = data.flatMap(_.split(" "))
    //组合
    val combyWithOne: RDD[(String, Int)] = cutRes.map((_,1))
    //分组聚合
    val combyRes: RDD[(String, Int)] = combyWithOne.reduceByKey((_+_))
    //排序
    val result: RDD[(String, Int)] = combyRes.sortBy(_._2)
    //写出
    result.saveAsTextFile(output)
  }
}

2.java-Api下的WordCount

port org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.api.java.function.FlatMapFunction;
import org.apache.spark.api.java.function.Function2;
import org.apache.spark.api.java.function.PairFunction;
import scala.Tuple2;

import java.util.Arrays;
import java.util.Iterator;

public class WordCount {
    public static void main(String[] args) {

        if(args.length!=2){
            System.out.println("cn.edu360.java.WordCount <input> <output>");
            return;
        }

        SparkConf conf = new SparkConf();

        JavaSparkContext jsc = new JavaSparkContext(conf);
        //读取数据
        JavaRDD<String> data = jsc.textFile(args[0]);

        //切分
        JavaRDD<String> cutRes = data.flatMap(new FlatMapFunction<String, String>() {
            @Override
            public Iterator<String> call(String s) throws Exception {

                return Arrays.asList(s.split(" ")).iterator();
            }
        });
        //组合和1
        JavaPairRDD<String, Integer> combyWithOne = cutRes.mapToPair(new PairFunction<String, String, Integer>() {
            @Override
            public Tuple2<String, Integer> call(String word) throws Exception {

                return new Tuple2<>(word, 1);
            }
        });

        //分组聚合
        JavaPairRDD<String, Integer> reduceRes = combyWithOne.reduceByKey(new Function2<Integer, Integer, Integer>() {
            @Override
            public Integer call(Integer integer1, Integer integer2) throws Exception {
                return integer1 + integer2;
            }
        });

        //排序
            //1.交换key value
        JavaPairRDD<Integer, String> change1 = reduceRes.mapToPair(new PairFunction<Tuple2<String, Integer>, Integer, String>() {
            @Override
            public Tuple2<Integer, String> call(Tuple2<String, Integer> stringIntegerTuple2) throws Exception {
                return stringIntegerTuple2.swap();
            }
        });
            //2.排序
        JavaPairRDD<Integer, String> sortRes = change1.sortByKey(false);
            //3.交换复原
        JavaPairRDD<String, Integer> change2 = sortRes.mapToPair(new PairFunction<Tuple2<Integer, String>, String, Integer>() {
            @Override
            public Tuple2<String, Integer> call(Tuple2<Integer, String> integerStringTuple2) throws Exception {
                return integerStringTuple2.swap();
            }
        });

        //写出数据
        change2.saveAsTextFile(args[1]);
    }
}

3.javaLambda下的WordCount

import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;
import scala.Tuple2;
import scala.tools.cmd.gen.AnyVals;

import java.util.Arrays;
import java.util.Iterator;

public class WordCountLambda {
    public static void main(String[] args) {
        if(args.length!=2){
            System.out.println("cn.edu360.java.WordCount <input> <output>");
            return;
        }

        SparkConf conf = new SparkConf();

        JavaSparkContext jsc = new JavaSparkContext(conf);
        //读取数据
        JavaRDD<String> data = jsc.textFile(args[0]);
        //切分
        JavaRDD<String> cutRes = data.flatMap(t -> Arrays.asList(t.split(" ")).iterator());

        //和1组合
        JavaPairRDD<String, Integer> combyRes = cutRes.mapToPair(t -> new Tuple2<>(t, 1));
        //分组聚合
        JavaPairRDD<String, Integer> reduceRes = combyRes.reduceByKey((a, b) -> a + b);
        //排序
        JavaPairRDD<Integer, String> swapRes = reduceRes.mapToPair(t -> t.swap());
        JavaPairRDD<Integer, String> sortRes = swapRes.sortByKey(false);
        JavaPairRDD<String, Integer> result = sortRes.mapToPair(t -> t.swap());

        //写出
        result.saveAsTextFile(args[1]);
    }
}

4.Local模式下spark程序
conf.setMaster(“local[]”) local local[] local[2]均可,通常用local[*]
conf.setAppName(WordCount.getClass.getSimpleName)

5.程序打包上传集群运行
1.提交
spark-submit
2.指明master位置
–master spark://hadoop1:7077
3. 要执行方法的全路径名
–class cn.edu360.sparkDay01.WordCount
4. 已经上传的jar包
/root/spark-1.0-SNAPSHOT.jar
5. 获取hdfs的文件路径
hdfs://hadoop1:9000/WordCount/text.txt
6. 存入文件系统路径
hdfs://hadoop1:9000/WordCount/output2

三.Spark提供三个位置用来配置系统
1. Spark属性
控制大部分的应用程序参数,可以用SparkConf对象或者Java系统属性设置;
Spark属性控制大部分的应用程序设置,并且为每个应用程序分别配置它。这些属性可以直接在SparkConf上配置,然后传递给SparkContext。SparkConf允许你配置一些通用的属性(如master URL、应用程序名称等等)以及通过set()方法设置的任意键值对。
本地模式下:
val conf = new SparkConf()
conf .setMaster(“local[2]”)
conf .setAppName(“CountingSheep”)
conf .set(“spark.executor.memory”, “1g”)
val sc = new SparkContext(conf)

  1. 配置文件
    可以通过每个节点的conf/spark-env.sh脚本设置。

- SPARK_EXECUTOR_CORES, Number of cores for the executors (Default: 1).

- SPARK_EXECUTOR_MEMORY, Memory per Executor (e.g. 1000M, 2G) (Default: 1G)

- SPARK_DRIVER_MEMORY, Memory for Driver (e.g. 1000M, 2G) (Default: 1G)

  1. 执行命令直接指定
    spark-submit
    –master spark://hdp-01:7077 指定Master的地址
    –executor-memory 2g 指定每个executor可用内存为2G( 512m) 默认是1024mb
    –total-executor-cores 2 指定运行任务使用的cup核数为2个
    –name “appName” 指定程序运行的名称
    –executor-cores 1 指定每一个executor可用的内存
    –jars xx.jar 程序额外使用的jar包
    注意:如果worker节点的内存不足,那么在启动spark-shell的时候,就不能为executor分配超出worker可用的内存容量,大家根据自己worker的容量进行分配任务资源。

四.spark运行流程图
这里写图片描述

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