spark-shell是Spark自带的交互式Shell程序,方便用户进行交互式编程,用户可以在该命令行下用scala编写spark程序
1、启动Spark shell
[victor@node1 spark]$ bin/spark-shell \
--master spark://node1:7077 \
--executor-memory 2G \
--total-executor-cores 2
尖叫提示:如果启动 spark shell 时没有指定 master 地址,但是也可以正常启动 spark shell 和执行 spark shell 中的程序,其实是启动了 spark 的 local 模式,该模式仅在本机启动一个进程,没有与集群建立联系
2、编写WordCount程序
(1)启动hdfs
[victor@node1 hadoop-2.8.2]$ sbin/start-dfs.sh
(2)上传文件
[victor@node1 hadoop-2.8.2]$ bin/hdfs dfs -put ../spark/RELEASE /
(3)wordcount输出到HDFS上
scala> sc.textFile("hdfs://node1:9000/RELEASE").flatMap( \
_.split(" ")).map((_,1)).reduceByKey( \
_+_).saveAsTextFile("hdfs://node1:9000/out")
尖叫提示:Spark Shell 中已经默认将 SparkContext 类初始化为对象 sc。用户代码如果需要用到,则直接应用 sc 即可
(4)查看WordCount在HDFS上的输出
[victor@node1 hadoop]$ bin/hadoop fs -cat /out/p*
(5)WordCount控制台打印
scala> sc.textFile("hdfs://node1:9000/RELEASE").flatMap( \
_.split(" ")).map((_,1)).reduceByKey(_+_).collect
res5: Array[(String, Int)] = Array(
(-Psparkr,1), (Build,1), (built,1),
(-Phive-thriftserver,1), (-Pmesos,1), (2.7.3,1),
(-Phadoop-2.7,1), (2.2.0,1), (Spark,1),
(-Pyarn,1), (-DzincPort=3036,1), (flags:,1),
(for,1), (-Phive,1), (Hadoop,1))
3、解析
sc
是SparkContext
对象,该对象是提交spark
程序的入口textFile(hdfs://node1:9000/RELEASE)
是hdfs
中读取数据flatMap(_.split(" "))
先map
在压平map((_,1))
将单词和1
构成元组reduceByKey(_+_)
按照key
进行reduce
,并将value
累加saveAsTextFile("hdfs://node1:9000/out")
将结果写入到hdfs
中
![9193428-6ac85fe55008a859.jpg](https://i-blog.csdnimg.cn/blog_migrate/ca6ab606f80d3775fdd4c7e3f91f31a5.webp?x-image-process=image/format,png)