Spark初识

Spark初识

回顾一下前面的MapReduce流程，可以更好的学习spark

spark的框架

spark为什么比hadoop速度快

spark支持哪些语言

spark的运行模式有哪些

spark的单词统计

package com.core
import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}

object Demo1WordCount {
  def main(args: Array[String]): Unit = {
    /**
     * 创建spark环境
     *
     */
    // spark 环境配置对象
    val conf = new SparkConf()

    //设置spark任务的名称
    conf.setAppName("Demo1WordCount")

    //设置spark运行模式，local：本地运行
    conf.setMaster("local")

    //创建spark上下文对象，sc是spark写代码的入口
    val sc = new SparkContext(conf)

    /**
     * 2.读取文件
     * spark读取文件底层的代码和MapReduce是一样的
     * 所以切片的规则是一样的
     * spark是一个切片对应一个分区
     *
     * RDD：弹性的分布式数据集，现阶段可以当成list集合使用
     *
     */
    //如果是在集群运行，就是读取hdfs的文件
    val lineRDD: RDD[String] = sc.textFile("data/word.txt")

    /**
     * 3. 将单词展开
     *
      */
    val wordsRdd: RDD[String] = lineRDD.flatMap(line => line.split(","))

    /**
     * 4. 按照单词分组
     *
     */
    val kvRDD: RDD[(String, Iterable[String])] = wordsRdd.groupBy(w => w)

    /**
     * 5. 统计单词的数量
     */
    val wordCount: RDD[String] = kvRDD.map{
      case ((word:String, iter:Iterable[String])) =>
        val count: Int = iter.size
        s"$word\t$count"
    }
    wordCount.foreach(println)

    /**
     * 保存数据
     *
     */
    wordCount.saveAsTextFile("data/wordCount.txt")
  }
}