【大数据处理技术】实验8

小手の冰凉

已于 2022-10-27 21:33:56 修改

阅读量675

点赞数 2

分类专栏：【作业分享交流】文章标签： spark scala 大数据

于 2022-10-26 21:42:09 首次发布

本文链接：https://blog.csdn.net/Lenhart001/article/details/127541229

版权

【作业分享交流】专栏收录该内容

38 篇文章 29 订阅

订阅专栏

一、Sparkの安装及配置。使用 Spark shell 实现 file8.txt 文件的词频统计(WordCount)。

二、使用sbt编译打包Scale程序，统计 file8.txt 文件中包含字母 c 和字母 e 的行数。

2.1 安装sbt：

2.1.1 建立启动sbt的脚本文件

2.1.2 测试sbt是否安装成功

2.1.3 设置源，vim ~/.sbt/repositories

2.2 统计 file8.txt 文件中包含字母 c 和字母 e 的行数

一、Sparkの安装及配置。使用 Spark shell 实现 file8.txt 文件的词频统计(WordCount)。

打开清华大学下载站 https://mirrors.tuna.tsinghua.edu.cn/

先进入Apache文件在选择spark文件

解压，如果提示没权限，加sudo chmod 777 -R

解压位置：/media/liuhao/sda4/spark

配置环境变量

简单测试，词频统计

新建文件test8.file

进入spark-shell

简单测试（词频统计）

from pyspark import SparkConf,SparkContext as sc

conf = SparkConf().setMaster("local").setAppName("wordcount")

sc=SparkContext.getOrCreate(conf)

lines = sc.textFile("/usr/local/hadoop/file8.txt")

words = lines.flatMap(lambda line:line.split(" "))

count = words.map(lambda x:(x,1)).reduceByKey(lambda x,y:x+y)

print(count.collect())

二、使用sbt编译打包Scale程序，统计 file8.txt 文件中包含字母 c 和字母 e 的行数。

2.1 安装sbt：

sbt - The interactive build toole

解压位置：/opt/scala/sbt

配置环境变量：vim ~./bshrc

2.1.1 建立启动sbt的脚本文件

建立启动sbt的脚本文本文件，如/opt/scala/sbt/ $ vim sbt ，在sbt文本文件中添加：

#!/bin/bash

SBT_OPTS="-Xms512M -Xmx1536M -Xss1M -XX:+CMSClassUnloadingEnabled -XX:MaxPermSize=256M" java $SBT_OPTS -jar /opt/scala/sbt/bin/sbt-launch.jar "$@"

·修改sbt文件权限

2.1.2 测试sbt是否安装成功

/*第一次执行时，会下载一些文件包，然后才能正常使用，要确保联网了，安装成功后显示如下*/
$ sbt sbt-version
[info] Set current project to sbt (in build file:/opt/scala/sbt/)
[info] 0.13.5

2.1.3 设置源，vim ~/.sbt/repositories

[repositories]
local
huaweicloud-maven: https://repo.huaweicloud.com/repository/maven/
maven-central: https://repo1.maven.org/maven2/
huaweicloud-ivy: https://repo.huaweicloud.com/repository/ivy/, [organization]/[module]/(scala_[scalaVers

2.2 统计 file8.txt 文件中包含字母 c 和字母 e 的行数

1. 创建文件夹

mkdir ./sparkapp

mkdir -p ./sparkapp/src/main/scala

2. 在~/sparkapp/src/main/scala文件夹下编辑SimpleApp.scala

/* SimpleApp.scala */
import org.apache.spark.SparkContext
import org.apache.spark.SparkContext._
import org.apache.spark.SparkConf

object SimpleApp {
def main(args: Array[String]) {
val logFile = "file:///usr/local/hadoop/file8.txt"
val conf = new SparkConf().setAppName("Simple Application")
val sc = new SparkContext(conf)
val logData = sc.textFile(logFile, 2).cache()
val numAs = logData.filter(line => line.contains("c")).count()
val numBs = logData.filter(line => line.contains("e")).count()
println("Lines with c: %s, Lines with e: %s".format(numAs, numBs))
}
}

3. 编译打包

vim ./sparkapp/simple.sbt

文件内容（在安装过程中注意查看版本）：

name := "Simple Project"
version := "1.0"
scalaVersion := "2.12.15"
libraryDependencies += "org.apache.spark" %% "spark-core" % "3.3.1"

检查应用程序文件结构：

find .

应用程序打包

sbt package

4. 通过spark-submit运行程序

/media/liuhao/sda4/spark/bin/spark-submit --class "SimpleApp" /opt/scala/sbt/sparkapp/target/scala-2.12/simple-project_2.12-1.0.jar 2>&1 | grep "Lines with"

如果无输出，请查看问题所在：