一、概述
Spark是一个用来实现快速而通用的集群计算的平台。扩展了广泛使用的MapReduce计算模型,而且高效地支持更多的计算模式,包括交互式查询和流处理。在处理大规模数据集的时候,速度是非常重要的。Spark的一个重要特点就是能够在内存中计算,因而更快。即使在磁盘上进行的复杂计算,Spark依然比MapReduce更加高效。
二、安装
2.1下载并解压
2.2配置环境
vim /etc/profile
export SPARK_HOME=/usr/local/spark-2.4.0
export PATH=$PATH:$SPARK_HOME/bin
source /etc/profile
2.3 验证
三、例子
//加载一个文本文件,文件放在当前目录下
val lines = sc.textFile("sample2.txt")
//按逗号分隔数据
var records = lines.map(_.split(","))
//过滤不良数据
var filtered = records.filter(rec => (rec(1)!="9999" && rec(2).matches("[01459]")))
//将数据转为键值对
var tuples = filtered.map(rec =>(rec(0).toInt,rec(1).toInt))
//求最大值
var maxTemps = tuples.reduceByKey((a,b)=>Math.max(a,b))
//将数据打印到控制台
maxTemps.foreach(println(_))
//将数据打印到文件中,该文件在当前目录下
maxTemps.saveAsTextFile("output")
四、与Scala结合
import org.apache.spark.SparkContext._
import org.apache.spark.{SparkConf, SparkContext}
object MaxTemperature {
def main(args: Array[String]) {
val conf = new SparkConf().setAppName("Max Temperature")
val sc = new SparkContext(conf)
sc.textFile(args(0))
.map(_.split(","))
.filter(rec => (rec(1) != "9999" && rec(2).matches("[01459]")))
.map(rec => (rec(0).toInt, rec(1).toInt))
.reduceByKey((a, b) => Math.max(a, b))
.saveAsTextFile(args(1))
}
}
./spark-submit --master local --class MaxTemperature /usr/local/original-hadoop-1.0-SNAPSHOT.jar /usr/local/sample2.txt output
java代码:
public class MaxTemperatureSpark {
public static void main(String[] args) throws Exception {
if (args.length != 2) {
System.err.println("Usage: MaxTemperatureSpark <input path> <output path>");
System.exit(-1);
}
SparkConf conf = new SparkConf();
JavaSparkContext sc = new JavaSparkContext("local", "MaxTemperatureSpark", conf);
JavaRDD<String> lines = sc.textFile(args[0]);
JavaRDD<String[]> records = lines.map(new Function<String, String[]>() {
@Override public String[] call(String s) {
return s.split("\t");
}
});
JavaRDD<String[]> filtered = records.filter(new Function<String[], Boolean>() {
@Override public Boolean call(String[] rec) {
return rec[1] != "9999" && rec[2].matches("[01459]");
}
});
JavaPairRDD<Integer, Integer> tuples = filtered.mapToPair(
new PairFunction<String[], Integer, Integer>() {
@Override public Tuple2<Integer, Integer> call(String[] rec) {
return new Tuple2<Integer, Integer>(
Integer.parseInt(rec[0]), Integer.parseInt(rec[1]));
}
}
);
JavaPairRDD<Integer, Integer> maxTemps = tuples.reduceByKey(
new Function2<Integer, Integer, Integer>() {
@Override public Integer call(Integer i1, Integer i2) {
return Math.max(i1, i2);
}
}
);
maxTemps.saveAsTextFile(args[1]);
}
}