博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
Intellij idea下spark开发HelloWorld
阅读量:6705 次
发布时间:2019-06-25

本文共 3039 字,大约阅读时间需要 10 分钟。

  1. 开发环境
    Intellij idea 14
    jdk: 1.7.71
    spark: 1.1.0
    hadoop: 2.4.0
    scala: 2.11.1
    maven: 3.2.5
  2. 创建maven工程
    在src目录下创建main/java的source文件(在File –> Project Structure…–>Modules–>Sources右键添加目录和修改目录为source类型)
    这里写图片描述

在File –> Project Structure…–>Libraries添加spark-assembly-1.1.0-hadoop2.4.0的依赖包

这里写图片描述
3. java目录下编写Wordcount例子程序

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.List;import java.util.regex.Pattern;public class JavaWordCount {    private static final Pattern SPACE = Pattern.compile(" ");    public static void main(String[] args)throws Exception {        SparkConf sparkConf = new SparkConf().setAppName("JavaWordCount");        String srcPath = null;        String desPath = "/apps/ca/yanh/output";        if (args.length == 1) {            srcPath = args[0];        } else if(args.length == 2) {            srcPath = args[0];            desPath = args[1];        }        else {            System.out.println("Usage: java -jar jarName 
[des]"); System.exit(1); } JavaSparkContext jsc = new JavaSparkContext(sparkConf); JavaRDD
lines = jsc.textFile(srcPath, 1); System.out.println("Begin to split!"); JavaRDD
words = lines.flatMap(new FlatMapFunction
() { @Override public Iterable
call(String s) throws Exception { return Arrays.asList(SPACE.split(" ")); } }); System.out.println("Begin to map!"); JavaPairRDD
ones = words.mapToPair(new PairFunction
() { @Override public Tuple2
call(String s) throws Exception { return new Tuple2
(s, 1); } }); System.out.println("Begin to reduce!"); JavaPairRDD
counts = ones.reduceByKey(new Function2
() { @Override public Integer call(Integer i1, Integer i2) throws Exception { return i1 + i2; } }); System.out.println("Begin to save!"); /*List
> output = counts.collect(); for(Tuple2
tuple: output) { System.out.println(tuple._1() + ": " + tuple._2()); }*/ counts.saveAsTextFile(desPath); jsc.stop(); }}
  1. 打包成jar包
    在File –> Project Structure…–>Artifacts点击绿色“+”,Add–>JAR–>From Modules with Dependencies
    这里写图片描述

输入main class入口函数名,将Output Layout下所有jar包删掉(因为spark运行环境已经包含了这些包),然后Apply

这里写图片描述


编译程序:Build–>Build Artifacts…,然后选择要编译的项目进行编译

这里写图片描述


在当前工程生成的out目录下就可以找到输出的jar包

  1. 运行程序
    将jar包上传至spark集群,然后使用spark-submit进行提交运行(spark-submit具体参数自行查看)
    提交命令:spark-submit –class JavaWordCount ~/JavaWordCount.jar /apps/ca/yanh/data/README.md
    这里写图片描述

这里写图片描述

这是由于缺少本地库依赖和压缩包引起。

在此提供了这个包:
spark-submit命令: spark-submit –driver-library-path :/usr/lib/hadoop/lib/native/ –jars /usr/lib/hadoop/lib/hadoop-lzo-0.6.0.jar –class JavaWordCount ~/JavaWordCount.jar /apps/ca/yanh/data/README.md

来自yhao2014

你可能感兴趣的文章
C++入门知识总结(1)
查看>>
C#删除文件直接到回收站,而不是直接删除
查看>>
4个好用的JS联动选择插件
查看>>
C# 超时工具类 第二版
查看>>
man手册导出成txt,pdf,html的一些小技巧
查看>>
SQL Server中使用正则表达式
查看>>
IntegrityError duplicate key value violates unique constraint - django/postgres
查看>>
linux上怎么切换不同版本的arm-linux-gcc?只需改一行函数
查看>>
又一次拾起C语言的威严
查看>>
〖Linux〗Ubuntu用户重命名、组重命名,机器重命名~
查看>>
如何真正将读过的书牢记于心
查看>>
/bin/sh^M: bad interpreter:没有那个文件或目录解决
查看>>
【弱省胡策】Round #0 Flower Dance DP
查看>>
三折页设计尺寸的制作要素宣传册平面印刷
查看>>
zoj 3620 Escape Time II dfs
查看>>
MFC 窗体重绘
查看>>
android TypedValue.applyDimension()的作用
查看>>
【OGG】OGG的下载和安装篇
查看>>
mysql中出现的Data truncated for column
查看>>
NSString 筛选和最后一个空白、空行,多换行成一个新行
查看>>