Spark之Java版本单词统计应用

1 篇文章 0 订阅
1 篇文章 0 订阅


// 创建一个Java版本的SparkContext

SparkConf conf = new SparkConf().setAppName("wordCount").setMaster("local");

JavaSparkContext sc = new JavaSparkContext(conf);

// 读取输入数据

JavaRDD<String> lines = sc.textFile("hdfs://input/wordCount.txt");

// 切分单词

JavaRDD<String> words = lines.flatMap(new FlatMapFunction<String, String>() {


private static final long serialVersionUID = 1L;


@Override

public Iterable<String> call(String x) throws Exception {


return Arrays.asList(x.split(","));

}

});


// 转换成键值对,并计算

JavaPairRDD<String, Integer> mappedRDD = words.mapToPair(new PairFunction<String, String, Integer>() {


private static final long serialVersionUID = 1L;


@Override

public Tuple2<String, Integer> call(String x) throws Exception {


return new Tuple2<String, Integer>(x, 1);

}

});

JavaPairRDD<String, Integer> wordCountRDD = mappedRDD.reduceByKey(new Function2<Integer, Integer, Integer>() {


private static final long serialVersionUID = 1L;


@Override

public Integer call(Integer v1, Integer v2) throws Exception {

return v1 + v2;

}

});

// 将统计出来的单词总数存入一个文本文件,引发求值

wordCountRDD.saveAsTextFile("hdfs://output/wordCountOutPut.txt");

首先,需要安装JavaSpark环境。然后,可以使用以下步骤安装netcat和运行Spark Streaming进行单词统计: 1. 安装netcat 在Centos7中,可以使用以下命令安装netcat: ``` sudo yum install nc -y ``` 2. 创建数据源 使用以下命令创建数据源,它将模拟一个实时数据源,发送单词流到本地主机的端口9999: ``` nc -lk 9999 ``` 3. 创建Spark Streaming应用程序 使用以下代码创建一个Spark Streaming应用程序,它将接收来自本地主机端口9999的单词流,并对单词进行计数: ```java import org.apache.spark.SparkConf; import org.apache.spark.streaming.Durations; import org.apache.spark.streaming.api.java.JavaDStream; import org.apache.spark.streaming.api.java.JavaReceiverInputDStream; import org.apache.spark.streaming.api.java.JavaStreamingContext; public class WordCountApp { public static void main(String[] args) throws InterruptedException { // 创建SparkConf对象 SparkConf sparkConf = new SparkConf() .setAppName("WordCountApp") .setMaster("local[*]"); // 创建JavaStreamingContext对象 JavaStreamingContext streamingContext = new JavaStreamingContext(sparkConf, Durations.seconds(1)); // 创建JavaReceiverInputDStream对象 JavaReceiverInputDStream<String> lines = streamingContext.socketTextStream("localhost", 9999); // 对单词进行计数 JavaDStream<String> words = lines.flatMap(line -> Arrays.asList(line.split(" ")).iterator()); JavaPairDStream<String, Integer> wordCounts = words.mapToPair(word -> new Tuple2<>(word, 1)).reduceByKey((x, y) -> x + y); // 打印结果 wordCounts.print(); // 启动Streaming应用 streamingContext.start(); // 等待Streaming应用终止 streamingContext.awaitTermination(); } } ``` 4. 运行应用程序 使用以下命令编译和运行应用程序: ``` $ spark-submit --class WordCountApp --master local[*] wordcount.jar ``` 其中,`wordcount.jar`是你的应用程序的Jar包。然后,你可以在终端上启动netcat并发送单词流,Spark Streaming应用程序将在控制台上显示单词计数结果。
评论 1
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