spark API的操作

object WordCount {
  def main(args: Array[String]): Unit = {
    //创建一个SparkContext,用来闯将最原始的RDD
    //创建一个SparkConf().setAppName(),加载SparkConf文件,并为其取名字"WordCount"
    val conf = new SparkConf().setAppName("WordCount")
    //创建SparkContext,他可以跟集群建立连接申请资源,里面还会创建一个driver,跟executor
    //建立通信,
    val sc = new SparkContext(conf)

    //创建RDD,这个RDD要通过Spark才能创建,textFile(),可以告诉RDD,要读哪的数据,
    //把读到的数据写到args(0)里面,这个是main方法自动创建的数组
    val lines = sc.textFile(args(0))

    //切分压平
    val words:RDD[String] = lines.flatMap(_.split(" "))

    //将单词和1组合
    val wordAndOne = words.map((_, 1))

    //分组聚合,把key相同的value相加,reduce可以先局部分组聚合,然后再全局的分组聚合
    val reduced = wordAndOne.reduceByKey(_ + _)
    //排序,false表是降序
    val sorted = reduced.sortBy(_._2, false)
    //Action算子,会触发任务,并执行
    //将数据保存到hdfs中
    sorted.saveAsTextFile(args(1))
    //释放资源
    sc.stop()

  }
}

 

用java实现wordCount的编写

public class JavaWordCount {
    public static void main(String[] args) {
        SparkConf conf = new SparkConf().setAppName("JavaWordCount");

        //创建一个SparkContext
        SparkContext sc = new SparkContext(conf);
        //创建一个javaSparkContext
        JavaSparkContext jsc = new JavaSparkContext(conf);
        //使用jsc创建javaRDD
        JavaRDD<String> lines = jsc.textFile(args[0]);
        //对数据进行切分和压平
        JavaRDD<String> words = lines.flatMap(new FlatMapFunction<String, String>() {

            @Override
            public Iterator<String> call(String line) throws Exception {
                return Arrays.asList(line.split(" ")).iterator();
            }
        });
        //将单词和1组合
        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);
            }
        });
        //分组聚合
        JavaPairRDD<String, Integer> reduced = wordAndOne.reduceByKey(new Function2<Integer, Integer, Integer>() {
            @Override
            public Integer call(Integer v1, Integer v2) throws Exception {
                return v1 + v2;
            }
        });
        //交换kv顺序
        JavaPairRDD<Integer, String> swaped = reduced.mapToPair(new PairFunction<Tuple2<String, Integer>, Integer, String>() {
            @Override
            public Tuple2<Integer, String> call(Tuple2<String, Integer> tp) throws Exception {
                return tp.swap();
            }
        });
        //排序
        JavaPairRDD<Integer, String> sorted = swaped.sortByKey(false);
        //交换kv顺序
        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 tp.swap();
            }
        });
        //触发action,将数据存储到hdfs
        result.saveAsTextFile(args[1]);
        //释放资源
        jsc.stop();
    }
}

 

     SparkConf conf = new SparkConf().setAppName("LambdaWordCount");

        //创建SparkContext
        JavaSparkContext jsc = new JavaSparkContext(conf);

        //创建RDD
        JavaRDD<String> lines = jsc.textFile(args[0]);
        //因为java底层输入的是string,但输出的是迭代器,所以要在末尾调用一个迭代器
        JavaRDD<String> words = lines.flatMap(line -> Arrays.stream(line.split(" ")).iterator());

        //将单词和1组合,java没有元组的概念但是可以输出一个元组,
        JavaPairRDD<String, Integer> wordAndOne = words.mapToPair(word -> Tuple2.apply(word, 1));

        //分组聚合
        JavaPairRDD<String, Integer> reduced = wordAndOne.reduceByKey((a, b) -> a + b);

        //调换顺序,因为在java中只能对key排序
        JavaPairRDD<Integer, String> swaped = reduced.mapToPair(tp -> tp.swap());

        //排序
        JavaPairRDD<Integer, String> sorted = swaped.sortByKey(false);

        //调换顺序
        JavaPairRDD<String, Integer> result = sorted.mapToPair(tp -> tp.swap());
        //将数据保存在hdfs中
        result.saveAsTextFile(args[1]);

        //释放资源
        jsc.stop();
    }

 

 

  • 0
    点赞
  • 0
    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