华为云耀云服务器L实例-Spark的配置-中下

最新推荐文章于 2024-07-25 17:22:05 发布

技术僧sxs

最新推荐文章于 2024-07-25 17:22:05 发布

阅读量799

点赞数 18

文章标签：华为云服务器 spark

本文链接：https://blog.csdn.net/xiaojinyuya/article/details/135325729

版权

本文介绍了在华为云耀云服务器L实例上配置和使用ApacheSpark，包括Spark的特点、组件以及在单机模式下运行WordCount示例。后续还将涉及Spark的集群部署。

摘要由CSDN通过智能技术生成

今天我们采用可靠更安全、智能不卡顿、价优随心用、上手更简单、管理特省心的华为云耀云服务器L实例为例，继续教程的介绍。

Apache Spark 是一个快速、通用的大数据处理引擎，旨在提供简单、高效、通用的数据处理平台。Spark 提供了一种基于内存的计算模型，支持复杂的数据处理任务，包括批处理、交互式查询、流处理和机器学习。

以下是 Apache Spark 的主要特点和组件：

1. 快速性能： Spark 使用内存计算和弹性分布式数据集（Resilient Distributed Dataset，简称 RDD）来提供高性能的数据处理。它支持迭代计算，适用于需要多次迭代的机器学习算法。

2. 通用性： Spark 提供了统一的数据处理平台，支持多种数据处理任务，包括批处理（Spark Core）、交互式查询（Spark SQL）、流处理（Spark Streaming）和机器学习（MLlib）。

3. 易用性： Spark 提供了丰富的 API，包括 Scala、Java、Python 和 R，使开发者能够使用自己熟悉的编程语言进行大数据处理。它还提供了交互式的 shell 界面（Spark Shell）用于实时测试和调试。

4. 弹性分布式数据集（RDD）： RDD 是 Spark 中的核心抽象，代表了可并行操作的不可变分布式集合。RDD 具有容错性，如果节点发生故障，可以重新计算丢失的数据。

5. Spark生态系统： Spark 生态系统包括许多附加组件，如 Spark SQL（用于结构化数据处理）、Spark Streaming（用于实时数据处理）、MLlib（用于机器学习）、GraphX（用于图处理）等，丰富了 Spark 的功能。

6. 分布式调度器： Spark 使用自己的分布式调度器，称为 Standalone 调度器，也可以与其他调度器集成，如 Apache Mesos、Hadoop YARN。

7. 开源社区： Spark 是一个开源项目，拥有庞大的用户社区和活跃的开发者社区，不断推动 Spark 的发展和改进。

Apache Spark 在大规模数据处理、机器学习和图计算等方面都取得了显著的成功，成为大数据处理领域的主要工具之一。其灵活性、性能和丰富的功能使得它适用于各种大数据处理场景。

以下是在华为云耀云服务器L实例上配置完毕Spark后，在单机模式上运行WordCount。请注意，这里提供的步骤是基于Spark 2.12.8版本，你可以根据实际情况修改版本号。

首先创建 word.txt 文件，其内容如下：

（1）WordCount 的 scala 版本，进入 spark 目录。

[yhadoop@主机名 spark-Z-bin-hadoop1]$ ./bin/spark-shell --master local[2] scala>val file=sc.textFile("hdfs://node1:9000/wordcount/word.txt")

scala>valcount=file.flatMap(line=>line.split(" ")).map(word=>(word,1)).reduceByKey(_+_)

运行结果如下：

rest0: Array[(String,Int)]=Aray((Hello,1),(Hadoop,2),(hive,1),(zookeeper,1),(pig,2),(hbase,1))

【控制台运行结果】

scala>count.saveAsTextFile("hdfs://node1:9000/wordcount/result.txt")

【运行结果保存到文件中】

【Scala 运行结果】

（2）WordCount 的Java 版本

执行下面命令，其中--class 指定主类，--master 指定 spark master 地址，后面是执行的jar 和需要的参数，这里指定输入文件从HDFS 里读取，也可以从本地读取。

使用以下命令：

bin/spark-submit --master spark://node1:7077 /home/yhadoop/spark/examples/jars/spark- examples_2.11-2.4.0.jarhdfs://node1:9000/wordcount/word.txt

控制台结果如下：

本次记录中，我们在华为云耀云服务器L实例上完成了Spark最基础的计数功能程序的运行，这是绝大多数大数据基础服务在云服务器上运行的基础。接下来，我们将顺带了解一下spark的集群部署步骤，在有多台条件的前提下能够完成集群的部署。

关注