1. scala 安装
下载scala: http://www.scala-lang.org/download/
最开始下载scala2.12,后来运行spark出现版本不一致的错误,后来安装了 scala-2.11.11 .tgz
解压
tar -zxvf scala-2.11.11.tgz -C /usr/local/
mv scala-2.11 scala
配置scala环境变量
export SCALA_HOME=/usr/local/scala
export PATH=${SCALA_HOME}/bin:$PATH
运行 scala -version
查看是否安装成功
安装spark
我下载的版本是:spark-2.1.0-bin-hadoop2.7.tgz
重命名 mv spark-2.1.0-bin spark
spark 环境变量配置
export SPARK_HOME=/usr/local-extend/spark
export PATH=$SPARK_HOME/bin:$SPARK_HOME/sbin:$PATH
测试spark是否安装成功
/usr/local-extend/spark/bin$ ./spark-shell
出现下图则安装成功
修改spark配置
在%SPARK_HOME%/conf下
cp spark-env.sh.template spark-env.sh
添加如下内容
export SPARK_DIST_CLASSPATH=$(/usr/local/hadoop/bin/hadoop classpath)
export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_111
HADOOP_CONF_DIR=/usr/local/hadoop/etc/hadoop
运行spark例子
%SPARK_HOME%/bin下执行:
run-example SparkPi 2>&1 | grep "Pi is roughly"
输出结果:
以上spark基本完成安装,下面通过在idea上建立WordCount demo并运行,采用maven工程。
工程代码
代码:
import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.api.java.function.FlatMapFunction;
import org.apache.spark.api.java.function.Function2;
import org.apache.spark.api.java.function.PairFunction;
import scala.Tuple2;
import java.util.Arrays;
import java.util.Iterator;
import java.util.List;
import java.util.regex.Pattern;
/**
* Created by hadoop on 17-6-11.
*/
public class WordCount {
private static final Pattern SPACE = Pattern.compile(" ");
public static void main(String[] args)throws Exception {
SparkConf sparkConf = new SparkConf().setAppName("SparkWordCount");
String srcPath = "/usr/tmp/input/";
String desPath = "/usr/tmp/output/";
if(args.length == 2) {
srcPath = args[0];
desPath = args[1];
}
JavaSparkContext jsc = new JavaSparkContext(sparkConf);
JavaRDD<String> lines = jsc.textFile(srcPath, 1);
System.out.println("file text split!");
JavaRDD<String> words = lines.flatMap(new FlatMapFunction<String, String>() {
@Override
public Iterator<String> call(String s) throws Exception {
return Arrays.asList(s.split(" ")).iterator();
}
/*@Override
public Iterable<String> call(String s) throws Exception {
return Arrays.asList(SPACE.split(" "));
}*/
});
System.out.println("word map!");
JavaPairRDD<String, Integer> ones = words.mapToPair(new PairFunction<String, String, Integer>() {
@Override
public Tuple2<String, Integer> call(String s) throws Exception {
return new Tuple2<String, Integer>(s, 1);
}
});
System.out.println("word reduce!");
JavaPairRDD<String, Integer> counts = ones.reduceByKey(new Function2<Integer, Integer, Integer>() {
@Override
public Integer call(Integer i1, Integer i2) throws Exception {
return i1 + i2;
}
});
System.out.println("word count save!");
counts.saveAsTextFile(desPath);
jsc.stop();
}
}
maven 文件
<?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>SparkDemo</groupId>
<artifactId>com.jd.demo.spark</artifactId>
<version>1.0-SNAPSHOT</version>
<dependencies>
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-core_2.11</artifactId>
<version>2.1.1</version>
</dependency>
</dependencies>
</project>
idea中运行spark程序
在 edit Configuration中的VM option添加参数 -Dspark.master=local
然后运行java程序即可。注意输入和输出路径为本地路径。
最后在本地的输出文件夹中出现part-0000和_SUCCESS文件。part_0000内容如下:
在本地运行上spark程序
在idea Terminal下运行
/usr/local-extend/spark/bin/spark-submit --class "com.spark.demo.WordCount" --master local[4] target/com.jd.demo.spark-1.0-SNAPSHOT.jar
注意此时使用hdfs输入和输出路径。如果运行成功同样会出现output文件夹,以及part_0000和_SUCCESS文件。
在YARN集群运行spark程序
在idea Terminal下运行
/usr/local-extend/spark/bin/spark-submit --class "com.jd.spark.demo.WordCount" --master yarn --deploy-mode cluster target/com.demo.spark-1.0-SNAPSHOT.jar
我们可以在hadoop管理界面查看任务
地址: http://localhost:8088/cluster/apps/RUNNING
因为我在pc机上运行程序,花费时间比较长,还有几次死机了。。。。运行成功之后状态会变成SUCCESSED。
总结
到此spark环境搭建和示例运行就完成啦,注意在运行代码的过程中可能出现错误ERROR Executor: Exception in task 0.0 in stage 0.0 (TID 0)
java.lang.AbstractMethodError: lekko.spark.SparkDemo$1.call(Ljava/lang/Object;)Ljava/util/Iterator;
这是由于scala和spark版本不兼容的原因,最开始我安装的是scala-2.12,后来在spark官网发现如下内容:
Note: Starting version 2.0, Spark is built with Scala 2.11 by default. Scala 2.10 users should download the Spark source package and build with Scala 2.10 support.
也就是说我的spark是用scala-2.11构建的,所以把scala版本改为2.11,然后对代码进行调整,上面代码示例中有一段注释的部分
@Override
public Iterable<String> call(String s) throws Exception {
return Arrays.asList(SPACE.split(" "));
}
这里返回的类型是Iterable,这是scala-2.12版本的返回类型,对于scala-2.11我们的返回类型是Iterator,所以调整代码如下:
@Override
public Iterator<String> call(String s) throws Exception {
return Arrays.asList(s.split(" ")).iterator();
至此所有问题解决啦,希望对其他掉进坑里的同学有所帮助!
个人认为使用spark还是需要使用scala编程语言进行开发,这样可以非常简化代码,同是也可能避免这种版本问题,这个后续待研究!