spark java 计算_spark的做算子统计的Java代码

public classWordCountLocal {public static voidmain(String[] args) {//编写Spark应用程序//第一步：创建SparkConf对象，设置Spark应用的配置信息//使用setMaster()可以设置Spark应用程序要连接的Spark集群的master节点的url//但是如果设置为local则代表，在本地运行

SparkConf conf = newSparkConf()

.setAppName("WordCountLocal")

.setMaster("local");//第二步：创建JavaSparkContext对象//在Spark中，SparkContext是Spark所有功能的一个入口，你无论是用java、scala，甚至是python编写//都必须要有一个SparkContext，它的主要作用，包括初始化Spark应用程序所需的一些核心组件，包括//调度器(DAGSchedule、TaskScheduler)，还会去到Spark Master节点上进行注册，等等//一句话，SparkContext，是Spark应用中，可以说是最最重要的一个对象//但是呢，在Spark中，编写不同类型的Spark应用程序，使用的SparkContext是不同的，如果使用scala，//使用的就是原生的SparkContext对象//但是如果使用Java，那么就是JavaSparkContext对象//如果是开发Spark SQL程序，那么就是SQLContext、HiveContext//如果是开发Spark Streaming程序，那么就是它独有的SparkContext//以此类推

JavaSparkContext sc = newJavaSparkContext(conf);//第三步：要针对输入源(hdfs文件、本地文件，等等)，创建一个初始的RDD//输入源中的数据会打散，分配到RDD的每个partition中，从而形成一个初始的分布式的数据集//我们这里呢，因为是本地测试，所以呢，就是针对本地文件//SparkContext中，用于根据文件类型的输入源创建RDD的方法，叫做textFile()方法//在Java中，创建的普通RDD，都叫做JavaRDD//在这里呢，RDD中，有元素这种概念，如果是hdfs或者本地文件呢，创建的RDD，每一个元素就相当于//是文件里的一行//不会立即读取数据，而是做了一个文件读取的引用

JavaRDD lines = sc.textFile("D://spark.txt");//第四步：对初始RDD进行transformation操作，也就是一些计算操作//通常操作会通过创建function，并配合RDD的map、flatMap等算子来执行//function，通常，如果比较简单，则创建指定Function的匿名内部类//

//但是如果function比较复杂，则会单独创建一个类，作为实现这个function接口的类//先将每一行拆分成单个的单词//FlatMapFunction，有两个泛型参数，分别代表了输入和输出类型//我们这里呢，输入肯定是String，因为是一行一行的文本，输出，其实也是String，因为是每一行的文本//这里先简要介绍flatMap算子的作用，其实就是，将RDD的一个元素，给拆分成一个或多个元素

JavaRDD words = lines.flatMap(new FlatMapFunction() {private static final long serialVersionUID = 1L;

@Overridepublic Iterator call(String line) throwsException {return Arrays.asList(line.split(" ")).iterator();

}

});

//使用scala语法就是下面这样，和上面的代码一样意思//JavaRDD words = lines.flatMap(n->{return Arrays.asList(n.split(" ")).iterator();});//接着，需要将每一个单词，映射为(单词, 1)的这种格式//因为只有这样，后面才能根据单词作为key，来进行每个单词的出现次数的累加//mapToPair，其实就是将每个元素，映射为一个(v1,v2)这样的Tuple2类型的元素//如果大家还记得scala里面讲的tuple，那么没错，这里的tuple2就是scala类型，包含了两个值//mapToPair这个算子，要求的是与PairFunction配合使用，第一个泛型参数代表了输入类型//第二个和第三个泛型参数，代表的输出的Tuple2的第一个值和第二个值的类型//JavaPairRDD的两个泛型参数，分别代表了tuple元素的第一个值和第二个值的类型

JavaPairRDD pairs =words.mapToPair(new PairFunction() {private static final long serialVersionUID = 1L;

@Overridepublic Tuple2 call(String word) throwsException {return new Tuple2(word, 1);

}

});//接着，需要以单词作为key，统计每个单词出现的次数//这里要使用reduceByKey这个算子，对每个key对应的value，都进行reduce操作//比如JavaPairRDD中有几个元素，分别为(hello, 1) (hello, 1) (hello, 1) (world, 1)//reduce操作，相当于是把第一个值和第二个值进行计算，然后再将结果与第三个值进行计算//比如这里的hello，那么就相当于是，首先是1 + 1 = 2，然后再将2 + 1 = 3//最后返回的JavaPairRDD中的元素，也是tuple，但是第一个值就是每个key，第二个值就是key的value//reduce之后的结果，相当于就是每个单词出现的次数

JavaPairRDD wordCounts =pairs.reduceByKey(new Function2() {private static final long serialVersionUID = 1L;

@Overridepublic Integer call(Integer v1, Integer v2) throwsException {return v1 +v2;

}

});//到这里为止，我们通过几个Spark算子操作，已经统计出了单词的次数//但是，之前我们使用的flatMap、mapToPair、reduceByKey这种操作，都叫做transformation操作//一个Spark应用中，光是有transformation操作，是不行的，是不会执行的，必须要有一种叫做action//接着，最后，可以使用一种叫做action操作的，比如说，foreach，来触发程序的执行

wordCounts.foreach(new VoidFunction>() {private static final long serialVersionUID = 1L;

@Overridepublic void call(Tuple2 wordCount) throwsException {

System.out.println(wordCount._1+ " 单词出现的次数:> " + wordCount._2 + " .");

}

});

sc.close();

}

}