java实现spark单词计数,linux运行jar

● 编写java代码

package com.ws.spark;

import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.api.java.function.FlatMapFunction;
import org.apache.spark.api.java.function.Function2;
import org.apache.spark.api.java.function.PairFunction;
import scala.Tuple2;

import java.util.Arrays;
import java.util.Iterator;

/**
 * @author Jun
 * data  2018-09-29 9:24
 * 使用java实现spark单词计数
 */
public class JavaWordCount {
    public static void main(String[] args) {
        //创建配置
        SparkConf conf = new SparkConf();
        //创建context对象
        JavaSparkContext context = new JavaSparkContext(conf);
        //读取文件 可以是本地文件或者HDFS路径
        JavaRDD<String> javaRDD = context.textFile(args[0]);

        //压平，切单词
        JavaRDD<String> flatMap = javaRDD.flatMap(new FlatMapFunction<String, String>() {
            @Override
            public Iterator<String> call(String s) throws Exception {
                //切单词
                String[] split = s.split(" ");
                return Arrays.asList(split).iterator();
            }
        });

        //单词次数加一
        JavaPairRDD<String, Integer> javaPairRDD = flatMap.mapToPair(new PairFunction<String, String, Integer>() {
            @Override
            public Tuple2<String, Integer> call(String s) throws Exception {

                return new Tuple2<>(s, 1);
            }
        });

        //聚合，将每个单词出现数量相加
        JavaPairRDD<String, Integer> reduceByKey = javaPairRDD.reduceByKey(new Function2<Integer, Integer, Integer>() {
            @Override
            public Integer call(Integer integer, Integer integer2) throws Exception {
                return integer + integer2;
            }
        });

        //只能根据key排序，所以需要将元组位置交换， （单词，出现数量）->(出现数量，单词)

        JavaPairRDD<Integer, String> mapToPair = reduceByKey.mapToPair(new PairFunction<Tuple2<String, Integer>, Integer, String>() {
            @Override
            public Tuple2<Integer, String> call(Tuple2<String, Integer> stringIntegerTuple2) throws Exception {
                return stringIntegerTuple2.swap();//元组位置交换
            }
        });

        //排序  根据key排序
        JavaPairRDD<Integer, String> reduce = mapToPair.sortByKey(false);

        //保存
        reduce.saveAsTextFile(args[1]);

    }
}

●使用idea 的maven打包 上传至Linux
●linux运行程序命令:

[root@hadoop-01 ~]# ./apps/spark-2.2.0/bin/spark-submit --master spark://hadoop-01:7077 --class com.ws.spark.JavaWordCount /root/javaSparkWordCount.jar hdfs://hadoop-01:9000/test.txt hdfs://hadoop-01:9000/testlog

●注意 ：

	若使用linux local文件的话，确保每个节点上都拥有文件，否则报文件不存在错误；
	本命令使用hdfs路径，避免该错误；

Persistence is victory