学习目标
需要资源包,可私信博主!
以下代码均是在虚拟机中运行,并未在IDEA运行
Local本地模式
安装
- 下载Spark安装包
- 下载地址:http://spark.apache.org/downloads.html
- 解压重命名
cd /export/servers
tar spark-2.2.0-bin-2.6.0-cdh5.14.0.tgz
mv spark-2.2.0-bin-2.6.0-cdh5.14.0 spark - 注意:
如果有权限问题,可以修改为root,方便学习时操作,实际中使用运维分配的用户和权限即可
chown -R root /export/servers/spark
chgrp -R root /export/servers/spark - 解压目录说明:
bin 可执行脚本
conf 配置文件
data 示例程序使用数据
examples 示例程序
jars 依赖 jar 包
python pythonAPI
R R 语言 API
sbin 集群管理命令
yarn 整合yarn需要的东西
启动spark-shell
-
开箱即用(解压完毕后即可使用,无需配置其他)
直接启动bin目录下的spark-shell
./spark-shell -
spark-shell说明
1.直接使用./spark-shell
表示使用local 模式启动,在本机启动一个SparkSubmit进程2.还可指定参数 --master,如:
spark-shell --master local[N] 表示在本地模拟N个线程来运行当前任务
spark-shell --master local[*] 表示使用当前机器上所有可用的资源3.不携带参数默认就是
spark-shell --master local[*]4.后续还可以使用–master指定集群地址,表示把任务提交到集群上运行,如
./spark-shell --master spark://node01:70775.退出spark-shell
使用 :quit
初体验-读取本地文件
- 准备数据
vim /tmp/words.txt
添加以下数据:
hello me you her
hello you her
hello her
hello
- 代码实现
//设置读取路径
val textFile = sc.textFile("file:///root/words.txt")
//处理数据
val counts = textFile.flatMap(_.split(" ")).map((_, 1)).reduceByKey(_ + _)
//收集结果
counts.collect
//结果数据
Array[(String, Int)] = Array((you,2), (hello,4), (me,1), (her,3))
初体验-读取HDFS文件
- 准备数据
上传文件到hdfs
hadoop fs -put /tmp/words.txt /wordcount/input/words.txt
目录如果不存在可以创建
hadoop fs -mkdir -p /wordcount/input
结束后可以删除测试文件夹
hadoop fs -rm -r /wordcount
- 代码实现
//读取文件
val textFile = sc.textFile("hdfs://node01:8020/wordcount/input/words.txt")
//处理数据
val counts = textFile.flatMap(_.split(" ")).map((_, 1)).reduceByKey(_ + _)
//手机结果,将处理后的结果数据存储到指定目录
counts.