在idea中用scala编写ScalalWorldCount,打包集群运行

3 篇文章 0 订阅
本文介绍了如何在IntelliJ IDEA中创建一个Scala Maven工程,打包成jar,并在Hadoop集群上运行。重点在于打包过程和集群运行时的注意事项,如输出路径不能预先存在。
摘要由CSDN通过智能技术生成

一、新建maven工程

pom.xml

<?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>com.grace</groupId>
    <artifactId>sparkworldcount</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>2.6.5</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>-->
            <version>2.11.8</version>
        </dependency>

        <!-- 导入spark的依赖 -->
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_2.11</artifactId>
<!--            <version>${spark.version}</version>-->
            <version>2.2.2</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>
                        </configuration>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>
</project>
ScalaWordCount
package com.grace.scalawc

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

object ScalaWordCount {
  def main(args: Array[String]): Unit = {
    //创建spark配置,设置应用程序名字
    //val conf = new SparkConf().setAppName("ScalaWordCount")
    val conf = new SparkConf().setAppName("ScalaWordCount").setMaster("local[4]")
    //创建spark执行的入口
    val sc = new SparkContext(conf)
    //指定以后从哪里读取数据创建RDD(弹性分布式数据集)
    //sc.textFile(args(0)).flatMap(_.split(" ")).map((_, 1)).reduceByKey(_+_).sortBy(_._2, false).saveAsTextFile(args(1))

    val lines: RDD[String] = sc.textFile(args(0))
    //切分压平 _代表一行内容
    val words: RDD[String] = lines.flatMap(_.split(","))
    //将单词和一组合,形成一个元组
    val wordAndOne: RDD[(String, Int)] = words.map((_, 1))
    //按key进行聚合
    val reduced: RDD[(String, Int)] = wordAndOne.reduceByKey(_ + _)
    //排序
    val sorted: RDD[(String, Int)] = reduced.sortBy(_._2, false)
    //将结果保存到HDFS中
    sorted.saveAsTextFile(args(1))
    //释放资源
    sc.stop()


  }
}

二、打包

在工程右侧点击Maven  ->Lifecycle -> package

把打好的jar包放在集群上

三、运行

./spark-submit --master spark://hdp-1:7077 --class com.grace.scalawc.ScalalWordCount /root/original-sparkworldcount-1.0-SNAPSHOT.jar hdfs://hdp-1:9000/spark/hello.txt hdfs://hdp-1:9000/spark/hello_out2
--master spark指定master地址
--class指定运行的类的全路径,上传的jar包的地址,要处理的文件地址,以及处理完输出路径

注意:输出路径不能提前存在,不然会报错

运行结果查看:

[root@hdp-3 ~]# hadoop fs -cat /spark/hello_out2/part-00000 
(jump,5)
[root@hdp-3 ~]# hadoop fs -cat /spark/hello_out2/part-00001
(you,2)
(i,2)
 

 


 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 使用Scala编写Spark可以提高代码的可读性和可维护性,同时也可以利用Scala的函数式编程特性来编写更加简洁和高效的代码。在编写Spark应用程序时,需要使用Spark的API来操作RDD(弹性分布式数据集),并使用Scala的语法来定义函数和变量。同时,还需要使用Spark的集群管理工具来管理集群资源,以确保应用程序能够在分布式环境下高效地运行。总之,使用Scala编写Spark是一种非常有效的方式,可以帮助开发人员快速构建高性能的大数据应用程序。 ### 回答2: Spark是一个强大的分布式计算框架,是大数据处理和分析的必备工具。Spark使用Java和Scala语言编写,其中Scala被认为是Spark的“官方语言”。因此,使用Scala编写Spark可以带来一些明显的优势: 1. 高效的并发性和容错性 Scala是一种函数式编程语言,其并发处理和容错能力非常强。因此,使用Scala编写Spark可以提高应用程序的容错性和并发性能,并允许Spark应用程序在分布式环境中更加高效地运行。 2. 易于编写和调试 Scala语言具有简洁、灵活、易于阅读和编写的特点。它有一套强大的编译器和IDE支持,可以帮助开发人员加快Spark应用程序的开发和调试效率。 3. 高度可扩展的代码Scala兼容Java虚拟机,因此,Scala编写代码可以与Java代码无缝协作。此外,Scala还有大量的高质量库可以支持Spark的开发,如Spark本身所包含的Scala和Spark SQL。 总之,Scala是Spark的“官方语言”,使用Scala编写Spark可以提高性能、提高可扩展性、提高开发效率和提高代码重用性。因此,Scala被广泛应用于Spark生态系统,并被许多大型企业和研究机构所青睐。 ### 回答3: Scala 是一种多范式编程语言,旨在结合面向对象编程和函数式编程的最佳特性。Scala 语言的设计非常适合构建高效、并发和可扩展的大规模数据处理应用程序,因此广泛被用于 Apache Spark 的开发。 Apache Spark 是一个快速、分布式的计算框架,为大规模数据处理提供了高效的解决方案。Spark 具有高效的数据抽象层和强大的 API,允许开发人员使用不同的语言编写分布式计算应用程序。Scala 是 Spark 的默认编程语言,因此成为了 Spark 的生态系统中最重要的编程语言之一。 使用 Scala 可以让开发人员在保持高效性、并且让代码更易阅读,易于理解。而这些特性是在 Scala 的面向对象编程和函数式编程的技术支持下实现的。Scala 语言的函数式编程特性,使得 Spark 应用程序和算法可以使用带有高度抽象级别的处理类型和方法。 除此之外,在 Scala 中使用 Spark 还允许开发人员使用 REPL(交互式解释器)进行实时计算。REPL 方式可以对框架功能进行快速验证,相当于提供了丰富的分析工具对大数据进行实时处理。 Scala 的另一个优势是其强大的类型推导系统。Scala 可以通过类型推导系统自行推断变量类型和方法返回类型,这减少了开发人员的编码量,同时也帮助开发人员避免了类型错误。 因此,使用 Scala 编写 Spark 应用程序不仅保证了应用程序的高效性、可读性和可扩展性,还提供了丰富的分析工具,便于大规模数据处理的实时计算,并且通过 Scala 的强大类型推导系统减少了出错率。所以,在大规模数据处理的应用中,Scala 是用来编写 Spark 应用程序的最好选择。
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