Idea基于maven,java语言的spark环境搭建

环境介绍:IntelliJ IDEA开发软件,hadoop01-hadoop04的集群(如果不进行spark集群测试可不安装),其中spark安装目录为/opt/moudles/spark-1.6.1/

准备工作

首先在集群中的hdfs中添加a.txt文件,将来需在项目中进行单词统计
这里写图片描述

构建Maven项目

点击File->New->Project…
这里写图片描述
点击Next,其中GroupId和ArtifactId可随意命名
这里写图片描述
点击Next
这里写图片描述
点击Finish,出现如下界面:
这里写图片描述

书写wordCount代码

请在pom.xml中的version标签后追加如下配置

<properties>
    <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
</properties>
<dependencies>
    <dependency>
        <groupId>junit</groupId>
        <artifactId>junit</artifactId>
        <version>3.8.1</version>
        <scope>test</scope>
    </dependency>
    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-core_2.10</artifactId>
        <version>1.6.1</version>
    </dependency>
    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-sql_2.10</artifactId>
        <version>1.6.1</version>
    </dependency>
    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-hive_2.10</artifactId>
        <version>1.6.1</version>
    </dependency>
    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-streaming_2.10</artifactId>
        <version>1.6.1</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-client</artifactId>
        <version>2.7.1</version>
    </dependency>
    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-streaming-kafka_2.10</artifactId>
        <version>1.6.1</version>
    </dependency>
    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-graphx_2.10</artifactId>
        <version>1.6.1</version>
    </dependency>
    <dependency>
        <groupId>org.apache.maven.plugins</groupId>
        <artifactId>maven-assembly-plugin</artifactId>
        <version>2.2-beta-5</version>
    </dependency>
    <dependency>
        <groupId>commons-lang</groupId>
        <artifactId>commons-lang</artifactId>
        <version>2.3</version>
    </dependency>
</dependencies>
<build>
    <sourceDirectory>src/main/java</sourceDirectory>
    <testSourceDirectory>src/test/java</testSourceDirectory>
    <plugins>
        <plugin>
            <artifactId>maven-assembly-plugin</artifactId>
            <configuration>
                <descriptorRefs>
                    <descriptorRef>jar-with-dependencies</descriptorRef>
                </descriptorRefs>
                <archive>
                    <manifest>
                        <maniClass></maniClass>
                    </manifest>
                </archive>
            </configuration>
            <executions>
                <execution>
                    <id>make-assembly</id>
                    <phase>package</phase>
                    <goals>
                        <goal>single</goal>
                    </goals>
                </execution>
            </executions>
        </plugin>
        <plugin>
            <groupId>org.codehaus.mojo</groupId>
            <artifactId>exec-maven-plugin</artifactId>
            <version>1.3.1</version>
            <executions>
                <execution>
                    <goals>
                        <goal>exec</goal>
                    </goals>
                </execution>
            </executions>
            <configuration>
                <executable>java</executable>
                <includeProjectDependencies>false</includeProjectDependencies>
                <classpathScope>compile</classpathScope>
                <mainClass>com.dt.spark.SparkApps.App</mainClass>
            </configuration>
        </plugin>
        <plugin>
            <groupId>org.apache.maven.plugins</groupId>
            <artifactId>maven-compiler-plugin</artifactId>


            <configuration>
                <source>1.6</source>
                <target>1.6</target>
            </configuration>
        </plugin>
    </plugins>
</build>

点击右下角的Import Changes导入相应的包
这里写图片描述
点击File->Project Structure…->Moudules,将src和main都选为Sources文件
这里写图片描述
在java文件夹下创建SparkWordCount java文件
这里写图片描述
该文件代码为:

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 org.apache.spark.api.java.function.VoidFunction;
import scala.Tuple2;

import java.util.Arrays;

/**
 * Created by hadoop on 17-4-4.
 */
public class SparkWordCount {
    public static void main(String[] args){
        SparkConf conf = new SparkConf()
                .setAppName("WordCountCluster");
        //第二步
        JavaSparkContext sc = new JavaSparkContext(conf);
        JavaRDD<String> lines = sc.textFile("hdfs://hadoop01:9000/a.txt");
        JavaRDD<String> words = lines.flatMap(new FlatMapFunction<String, String>(){
            private static final long serialVersionUID = 1L;

            @Override
            public Iterable<String> call(String line) throws Exception{
                return Arrays.asList(line.split(" "));
            }
        });


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

                    private  static final long serialVersionUID = 1L;

                    public Tuple2<String, Integer> call(String word) throws Exception {
                        return new Tuple2<String, Integer>(word,1);
                    }
                }
        );

        JavaPairRDD<String,Integer> wordCounts = pairs.reduceByKey(
                new Function2<Integer, Integer, Integer>() {
                    @Override
                    public Integer call(Integer v1, Integer v2) throws Exception {
                        return v1+v2;
                    }
                }
        );


        wordCounts.foreach(new VoidFunction<Tuple2<String, Integer>>() {
            @Override
            public void call(Tuple2<String, Integer> wordCount) throws Exception {
                System.out.println(wordCount._1+" : "+ wordCount._2 );
            }
        });

        sc.close();

    }
}

生成jar包

点击File->Project Structure…->Artifacts,点击+号
这里写图片描述
选择Main Class
这里写图片描述
点击ok
这里写图片描述
由于集群中已包含spark相关jar包,将那些依赖jar包删除
这里写图片描述
点击apply,ok。然后点击菜单栏中的Build->Build Artifacts…->Build,将会在out目录中生成相应的jar包
这里写图片描述

jar包上传到集群并执行

本文使用scp将jar包上传到集群,如果在windows下可使用filezilla或xftp软件来上传
这里写图片描述
在集群上输入如下命令来执行:

/opt/moudles/spark-1.6.1/bin/spark-submit --class SparkWordCount sparkStudy.jar  --master=spark://192.168.20.171:7077

最终结果为:
这里写图片描述

  • 2
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
### 回答1: 创建基于Scala语言Spark Maven项目: 1. 打开IntelliJ IDEA,点击“Create New Project”。 2. 选择“Maven”作为项目类型,点击“Next”。 3. 输入项目名称和项目路径,点击“Next”。 4. 选择Scala版本和Spark版本,点击“Next”。 5. 选择项目的groupId和artifactId,点击“Next”。 6. 点击“Finish”完成项目创建。 WordCount程序: 1. 在src/main/scala目录下创建一个WordCount.scala文件。 2. 在文件中输入以下代码: ``` import org.apache.spark.{SparkConf, SparkContext} object WordCount { def main(args: Array[String]): Unit = { val conf = new SparkConf().setAppName("WordCount").setMaster("local") val sc = new SparkContext(conf) val input = sc.textFile("input.txt") val words = input.flatMap(line => line.split(" ")) val counts = words.map(word => (word, 1)).reduceByKey(_ + _) counts.foreach(println) } } ``` 3. 在项目根目录下创建一个input.txt文件,并输入一些文本内容。 4. 运行WordCount程序,可以在控制台看到单词统计结果。 ### 回答2: 在创建基于Scala语言Spark Maven项目及WordCount应用之前,需要先安装以下软件: 1. Java JDK 2. Scala 3. Apache Maven 4. Apache Spark 接下来,按照以下步骤创建项目: 1. 打开终端并创建一个新目录,用于存储Spark项目。 ``` mkdir spark-project cd spark-project ``` 2. 创建一个新的Maven项目,使用以下命令: ``` mvn archetype:generate -DgroupId=com.sparkproject -DartifactId=wordcount -DarchetypeArtifactId=maven-archetype-quickstart -DscalaVersion=2.11.7 ``` 这个命令会使用Maven的Quickstart模板创建一个基本的Maven项目。在此过程中,你需要输入要创建的组ID、项目ID和Scala版本。 3. 打开pom.xml文件并添加Spark依赖库。 ``` <dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-core_2.11</artifactId> <version>2.4.5</version> </dependency> ``` 这个依赖库将帮助我们在Maven项目中导入Spark库。 4. 创建一个新的Scala源代码文件WordCount.scala。 ``` package com.sparkproject import org.apache.spark._ import org.apache.spark.SparkContext._ object WordCount { def main(args: Array[String]) { val conf = new SparkConf().setAppName("WordCount") val sc = new SparkContext(conf) val textFile = sc.textFile(args(0)) val counts = textFile.flatMap(line => line.split(" ")) .map(word => (word, 1)) .reduceByKey(_ + _) counts.saveAsTextFile(args(1)) } } ``` 这个代码将使用Spark来计算文本文件中单词的出现次数。它主要使用了Spark的RDD(Resilient Distributed Datasets)API。 5. 使用以下命令将Maven项目打包: ``` mvn package ``` 6. 使用以下命令在Spark集群上运行WordCount应用程序。 ``` ../bin/spark-submit --class "com.sparkproject.WordCount" --master local wordcount-1.0-SNAPSHOT.jar /path/to/input/files /path/to/output/directory ``` 这个命令将使用Spark的`spark-submit`命令启动WordCount应用程序。其中,`/path/to/input/files`是要处理的文本文件路径,`/path/to/output/directory`是将缓存结果输出的目录路径。 总结: 通过上述步骤,我们创建了一个基于Scala语言Spark Maven项目,并构建了一个WordCount应用程序来演示如何使用Spark来处理文本数据。这个示例代码可用于提供Spark在更复杂数据分析场景下的能力。 ### 回答3: Apache Spark是一个开源的大数据处理框架,它使用分布式计算的方式实现高效的数据处理,支持多种语言,其中Scala是最为常用的语言之一。Maven是一个流行的构建工具,提供了一种简单的方式管理项目的依赖,方便项目管理和部署。在本文中,我们将介绍如何使用Scala和Maven创建一个Spark Maven项目并实现一个简单的WordCount程序。 首先,我们需要安装Scala和Maven。如果您已经安装并配置好了,可以跳过这一步骤。首先安装Scala,可以到Scala的官网下载安装包,也可以使用命令行安装。安装完成后,需要确认是否正确地配置了系统的环境变量。 然后安装Maven。可以从Maven的官网下载安装包,也可以使用命令行安装。安装完成后同样需要确认是否正确地配置了系统的环境变量。 接下来,我们开始创建一个Maven项目。首先打开命令行窗口,使用以下命令创建一个基于Scala的Spark Maven项目: ``` mvn archetype:generate -DgroupId=com.spark.scala -DartifactId=wordcount -DarchetypeArtifactId=maven-archetype-quickstart -DinteractiveMode=false -DarchetypeCatalog=local ``` 该命令将创建一个名为“wordcount”的Maven项目,在项目的根目录中,有一个包含Java代码的src/main/java目录,和一个包含测试代码的src/test/java目录。 接下来,我们需要在项目的pom.xml文件中添加Spark和Scala的依赖。在pom.xml文件中,添加以下代码: ``` <dependencies> <dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-core_2.11</artifactId> <version>2.4.5</version> </dependency> <dependency> <groupId>org.scala-lang</groupId> <artifactId>scala-library</artifactId> <version>2.11.12</version> </dependency> </dependencies> ``` 此时我们已经创建好了一个基于Scala的Spark Maven项目,接下来我们实现一个简单的WordCount程序。 首先,在src/main/scala目录中创建一个名为“WordCount”的Scala文件,添加以下代码: ``` import org.apache.spark.{SparkConf, SparkContext} object WordCount { def main(args: Array[String]) { val conf = new SparkConf() .setAppName("WordCount") .setMaster("local[2]") val sc = new SparkContext(conf) val input = sc.textFile(args(0)) val words = input.flatMap(line => line.split(" ")) val counts = words.map(word => (word, 1)).reduceByKey(_ + _) counts.saveAsTextFile(args(1)) sc.stop() } } ``` 该程序使用Spark的API,首先创建了一个SparkConf对象和一个SparkContext对象,设置了应用程序的名称和运行模式。然后使用textFile方法从输入文件中读取数据,使用flatMap方法将每一行数据解析成单词,再使用map和reduceByKey方法计算单词的出现频率。最后使用saveAsTextFile方法将结果保存到输出文件中,并关闭SparkContext。 接下来,我们在命令行中运行该程序。首先将文本文件(例如input.txt)复制到项目的根目录中,然后使用以下命令运行程序: ``` mvn exec:java -Dexec.mainClass="WordCount" -Dexec.args="input.txt output" ``` 此时程序将输出结果保存在output目录中。 综上所述,我们使用Scala和Maven创建了一个基于SparkMaven项目,并实现了一个简单的WordCount程序。这个过程中,对于初学者来说可能存在一些困难,但随着对Spark和Scala的深入了解,这些问题都可以轻松解决。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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