通过Spark的shell测试Spark的工作

Step1:启动Spark集群，这一点在第三讲讲的极为细致，启动后的WebUI如下：

Step2:启动Spark Shell：

此时可以通过如下Web控制台查看shell的情况：

Step3:把Spark安装目录“README.md”拷贝到HDFS系统上

在Master节点上新启动一个命令终端，并进入到Spark安装目录下：

我们把文件拷贝到HDFS的root文件夹下：

此时，我们观察一下Web控制台，会发现该文件已经成功上传到HDFS上：

Step4:在Spark shell之下操作编写代码，操作我们上传的“README.md”：

首先，我们看一下在Shell环境下的“sc”这个自动帮助我们生产的环境变量：

可以看出sc就是SparkContext的实例，这是在启动Spark Shell的时候系统帮助我们自动生成的，SparkContext是把代码提交到集群或者本地的通道，我们编写Spark代码，无论是要运行本地还是集群都必须有SparkContext的实例。

接下来，我们读取“README.md”这个文件：

我们把读取的内容保存给了file这个变量，其实file是一个MappedRDD，在Spark的代码编写中，一切都是基于RDD操作的；

 

再接下来，我们从读取的文件中过滤出所有的“Spark”这个词

此时生成了一个FilteredRDD;

再接下来，我们统计一下“Spark”一共出现了多少次：

从执行结果中我们发现“Spark”这个词一共出现了15次。

此时，我们查看Spark Shell的Web控制台：

发现控制台中显示我们提交了一个任务并成功完成，点击任务可以看到其执行详情：

那我们如何验证Spark Shell对README.md这个文件中的“Spark”出现的15次是正确的呢？其实方法很简单，我们可以使用Ubuntu自带的wc命令来统计，如下所示：

发现此时的执行结果也是15次，和Spark Shell的计数是一样一样的。