maven工程打包，单节点跑wordcount（一）

最新推荐文章于 2021-01-14 20:34:58 发布

一盘小蔡

最新推荐文章于 2021-01-14 20:34:58 发布

阅读量429

点赞数 1

分类专栏：大数据分析文章标签： maven spark wordcount

本文链接：https://blog.csdn.net/weixin_42263623/article/details/83411780

版权

大数据分析专栏收录该内容

2 篇文章 0 订阅

订阅专栏

spark shell仅在测试和验证我们的程序时使用的较多，在生产环境中，通常会在IDE中编制程序，然后打成jar包，然后提交到集群，最常用的是创建一个Maven项目，利用Maven来管理jar包的依赖。首先在IDEA上编辑maven工程，在maven工程中的src填写wordcount代码，在xshell上运行（需连接集群结点），因wordcount程序运行需txt文档，因此还涉及在hdfs上的一些基本操作

一、在IDEA上编写maven（WordCount）的spark程序

1.新建maven工程，填写GroupId，ArtifactId(groupid（公司名+人名+项目名）artifactid（项目名），用maven打出的jar包，包名是artifactid中的项目)
图片.png
2.将下方程序复制在Maven的pom.xml文件中

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"

         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>
    <groupId>com.cai</groupId>
    <artifactId>wordcount1</artifactId>
    <version>1.0-SNAPSHOT</version>

    <properties>
        <maven.compiler.source>1.7</maven.compiler.source>
        <maven.compiler.target>1.7</maven.compiler.target>
        <encoding>UTF-8</encoding>
        <scala.version>2.10.6</scala.version>
        <scala.compat.version>2.10</scala.compat.version>
    </properties>

    <dependencies>
        <dependency>
            <groupId>org.scala-lang</groupId>
            <artifactId>scala-library</artifactId>
            <version>${scala.version}</version>
        </dependency>

        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_2.10</artifactId>
            <version>1.5.2</version>
        </dependency>

        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-streaming_2.10</artifactId>
            <version>1.5.2</version>
        </dependency>

        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>2.6.0</version>
        </dependency>
    </dependencies>

    <build>
        <sourceDirectory>src/main/scala</sourceDirectory>
        <testSourceDirectory>src/test/scala</testSourceDirectory>
        <plugins>
            <plugin>
                <groupId>net.alchim31.maven</groupId>
                <artifactId>scala-maven-plugin</artifactId>
                <version>3.2.0</version>
                <executions>
                    <execution>
                        <goals>
                            <goal>compile</goal>
                            <goal>testCompile</goal>
                        </goals>
                        <configuration>
                            <args>
                                <arg>-make:transitive</arg>
                                <arg>-dependencyfile</arg>
                                <arg>${project.build.directory}/.scala_dependencies</arg>
                            </args>
                        </configuration>
                    </execution>
                </executions>
            </plugin>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-surefire-plugin</artifactId>
                <version>2.18.1</version>
                <configuration>
                    <useFile>false</useFile>
                    <disableXmlReport>true</disableXmlReport>
                    <includes>
                        <include>**/*Test.*</include>
                        <include>**/*Suite.*</include>
                    </includes>
                </configuration>
            </plugin>

            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-shade-plugin</artifactId>
                <version>2.3</version>
                <executions>
                    <execution>
                        <phase>package</phase>
                        <goals>
                            <goal>shade</goal>
                        </goals>
                        <configuration>
                            <filters>
                                <filter>
                                    <artifact>*:*</artifact>
                                    <excludes>
                                        <exclude>META-INF/*.SF</exclude>
                                        <exclude>META-INF/*.DSA</exclude>
                                        <exclude>META-INF/*.RSA</exclude>
                                    </excludes>
                                </filter>
                            </filters>
                            <transformers>
                                <transformer implementation="org.apache.maven.plugins.shade.resource.ManifestResourceTransformer">
                                    <mainClass>com.cch.WordCount.wordcount</mainClass>
                                </transformer>
                            </transformers>
                        </configuration>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>
</project>

注意：配置好pom.xml以后，点击Enable Auto-Import.坑：查看你的hadoop版本（我的是2.6.9）是否与上述pom.xml匹配，相应位置修改。

3.将src/main/java和src/test/java分别修改成src/main/scala和src/test/scala，与pom.xml中的配置保持一致（）；
图片.png

4.使用Maven打包：首先修改pom.xml中的，在此处是否是程序入口，与自己程序对应，本文的程序入口是com.cai.wordcount1。之后点击idea右侧的Maven Project选项，点击Lifecycle，选择clean和package，点击RUN：
图片.png

图中的程序就是wordcountspark源码

import org.apache.spark.{SparkConf, SparkContext}
object WordCount {
  def main(args: Array[String]): Unit = {
    //创建SparkConf()并且设置App的名称
    val conf = new SparkConf().setAppName("wordCount");
    //创建SparkContext,该对象是提交spark app的入口
    val sc = new SparkContext(conf);
    //使用sc创建rdd,并且执行相应的transformation和action
    sc.textFile(args(0)).flatMap(_.split(" ")).map((_ ,1)).reduceByKey(_ + _,1).sortBy(_._2,false).saveAsTextFile(args(1));
    //停止sc，结束该任务
    sc.stop();
  }
}

5.等待编译完成后，选择编译成功的jar包，并将改jar上传到Spark集群中的某个节点上，jar包在上方图片左侧target中wordcount1-1.0-SNAPSHOT.jar

二、上传到spark集群，运行程序，需用到xshell、xftp工具（首先在官网下载好）

1.打开Xshell->新建->填写链接的主机地址->新建好后输入用户名和密码，建立连接(通过xshell将你自己的电脑和服务器上的linux系统的电脑链接上)。
图片.png
2.使用xftp，xftp是将本地文件传到远程Linux系统的工具，具体如下：将jar包和WordCount.txt，从做向右拖拽至/home/hdfs(自己建的文件夹)即可实现上传到远程Linux系统上。

因为我们这个程序需要统计WordCount文档中各个词的词数，提前写好了一个WordCount.txt供程序统计，本文想实现分布式存储，因此需要将WordCount.txt上传到分布式文件存储系统中hdfs，具体代码如下：

[root@data6 ~]# su hdfs                          //切换成hdfs用户（root用户没有权限）

[hdfs@data6 root]$ cd /home/hdfs/software/hadoop/bin     //切换到hadoop中的bin目录下，因为hadoop的bin文件夹是对hdfs操作的接口，这样才可以操作hdfs
[hdfs@data6 bin]$ ./hadoop fs -mkdir /inn                           //在hdfs系统上创建inn目录，这个系统使我们看不到的
[hdfs@data6 bin]$ ./hadoop fs -ls /                                      //查看创建的目录

图片.png
由图片可以看出inn文件夹已经存在在hdfs系统中

[hdfs@data6 bin]$ ./hadoop fs -put /home/hdfs/WordCount.txt /inn       //将本地文件夹home中的hdfs中的WordCount.txt文件上传到inn目录下

图片.png 现在需要的文档提交完了，那么只需要运行jar包了

jar包在/home/hdfs目录下，因此先将现在的目录回退到个人用户目录下
[hdfs@data6 /]$ cd ~               //通过这个命令，以后的命令行下面就变成了，即变成了[hdfs@data6 ~]$，表示的是hdfs中的个人用户
[hdfs@data6 ~]$ /home/hdfs/software/spark/bin/spark-submit --class com.bie.WordCount sparkWordCount-1.0-SNAPSHOT.jar hdfs://#########:9000/inn/WordCount.txt hdfs://#######:9000/outputc

最后一条命令解释一下：因为在spark集群，因此先进入（spark的bin文件夹中/home/hdfs/software/spark/bin/）+（spark-submit命令）+（–class，这个表示此程序的入口，程序入口为com.bie.WordCount）+（jar包名）
+（WordCount.txt的位置，在我们集群inn文件夹中）+（这里是结果的位置，如果没有，会直接新建个目录outputc）,若运行成功，会直接显示下一条命令。
图片.png
查看结果目录outputc，并查看目录下的part-00000 结果文件内容，大功告成。

原创作品。禁止转载！！！

一盘小蔡

关注

1
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
maven工程打包，单节点跑wordcount（一）

spark shell仅在测试和验证我们的程序时使用的较多，在生产环境中，通常会在IDE中编制程序，然后打成jar包，然后提交到集群，最常用的是创建一个Maven项目，利用Maven来管理jar包的依赖。首先在IDEA上编辑maven工程，在maven工程中的src填写wordcount代码，在xshell上运行（需连接集群结点），因wordcount程序运行需txt文档，因此还涉及在hdfs上的...
复制链接

扫一扫