启动Spark-Shell实现词频统计

1.启动spark和Hadoop

#根目录下启动Hadoop集群
start-all.sh

在spark的sbin目录下输入

sh start-all.sh

2.运行Spark-Shell命令

在spark/bin目录下，执行Spark-Shell命令进入Spark-Shell交互式环境

spark-shell --master<master-url>

上述命令中，--master表示指定当前连接的Master节点，<master-url>用于指定Spark的运行模式，下图为master-url可取参数

 如需查询Spark-Shell更多的使用方式可以执行“--help”命令

 3.运行Spark-Shell读取HDFS文件

通过启动Spark-Shell，并且使用Scala语言开发单词计数的Spark程序。

进入spark目录创建test文件夹，再在此文件下创建words.txt文件

mkdir test
#这是创建文件夹

touch words.txt
#这是创建文件

 在words.txt文件里面输入如下内容

hello hadoop
hello spark
hellp itcast

把本地的words.txt文件上传推送到HDFS中的/spark/test路径下

在hdfs上创建临时文件夹去存放我们要上传的文件：

hdfs dfs -mkdir -p /spark/test

-mkdir:创建文件夹命令
-p :创建多级目录命令
在Hadoop 根目录下创建了spark，spark下又创建了test文件夹

 Hadoop上上传文件

hdfs dfs -put /export/servers/spark/test/words.txt /spark/test

-put:上传文件
第一个路径是要传的文件的路径
第二个路径是目的地 

查看是否上传成功
第一种本地通过命令查看：

hdfs dfs -ls /spark/test

第二种通过Hadoop查看：

注：HDFS上传可看本文：(13条消息) 如何往hdfs上上传文件？_向hdfs中上传任意文本文件_Nurbiya_K的博客-CSDN博客

1.整合Spark与HDFS

Spark加载HDFS上的文件，需要修改conf目录下的spark-env.sh配置文件，添加HADOOP_CONF_DIR配置参数，指定Hadoop配置文件的目录，添加配置参数如下。

#指定HDFS配置文件目录
export HADOOP_CONF_DIR=/export/servers/hadoop-2.7.4/etc/hadoop

2.启动Hadoop 、Spark服务

配置完毕后，启动Hadoop集群服务，并重新启动Spark集群服务，使配置文件生效。

#根目录下启动Hadoop集群
start-all.sh

​

注：此图是Hadoop和saprk都启动状态

#在spark的sbin下先关闭spark再重新开启
sh stop-all.sh
sh start-all.sh

​

3.启动Spark-Shell编写程序

　　 启动Spark-Shell交互式界面，执行命令如下。

#spark目录下输入
bin/spark-shell --master local[2]

​

 Spark-Shell本身就是一个Driver，它会初始化一个SparkContext对象为“sc”，用户可以直接调用。下面编写Scala代码实现单词计数，具体代码如下。

sc.textFile("/spark/test/words.txt").flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).collect

  

4.退出Spark-Shell客户端

:quit