spark学习之IDEA配置spark并wordcount提交集群

这篇文章包括以下内容

(1)IDEA中scala的安装

(2)hdfs简单的使用，没有写它的部署

(3) 使用scala编写简单的wordcount，输入文件和输出文件使用参数传递

(4)IDEA打包和提交方法

一 IDEA中scala的安装

(1) 下载IEDA 装jdk

(2) 启动应用程序选择插件(pluigin)查看scala版本，然后去对应的网站下载https://plugins.jetbrains.com/plugin/1347-scala

(4) 将刚才下载的scala zip文件移动到IDEA的plugin下面

(5) 回到启动页面选择plugin

选择从磁盘安装，然后重启

(6)新建项目 scala项目如果没有scala sdk 那么windows下一个导入进去（注意版本一致）

二提交wordcount并提交jar

(1) 新建Maven项目

file->project->maven->next-->设置工程名称和路径(路径不要为中文)--->完成

(2)将pol导入依赖，粘贴下面代码以后，需要点击右侧的maven project并刷新

 <?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.</modelVersion>

     <groupId>com.xuebusi</groupId>

     <artifactId>spark</artifactId>

     <version>1.0-SNAPSHOT</version>

     <properties>

         <maven.compiler.source>1.7</maven.compiler.source>

         <maven.compiler.target>1.7</maven.compiler.target>

         <encoding>UTF-</encoding>

         <!-- 这里对jar包版本做集中管理 -->

         <scala.version>2.10.</scala.version>

         <spark.version>1.6.</spark.version>

         <hadoop.version>2.6.</hadoop.version>

     </properties>

     <dependencies>

         <dependency>

             <!-- scala语言核心包 -->

             <groupId>org.scala-lang</groupId>

             <artifactId>scala-library</artifactId>

             <version>${scala.version}</version>

         </dependency>

         <dependency>

             <!-- spark核心包 -->

             <groupId>org.apache.spark</groupId>

             <artifactId>spark-core_2.</artifactId>

             <version>${spark.version}</version>

         </dependency>

         <dependency>

             <!-- hadoop的客户端,用于访问HDFS -->

             <groupId>org.apache.hadoop</groupId>

             <artifactId>hadoop-client</artifactId>

             <version>${hadoop.version}</version>

         </dependency>

     </dependencies>

     <build>

         <sourceDirectory>src/main/scala</sourceDirectory>

         <testSourceDirectory>src/test/scala</testSourceDirectory>

         <plugins>

             <plugin>

                 <groupId>net.alchim31.maven</groupId>

                 <artifactId>scala-maven-plugin</artifactId>

                 <version>3.2.</version>

                 <executions>

                     <execution>

                         <goals>

                             <goal>compile</goal>

                             <goal>testCompile</goal>

                         </goals>

                         <configuration>

                             <args>

                                 <arg>-make:transitive</arg>

                                 <arg>-dependencyfile</arg>

                                 <arg>${project.build.directory}/.scala_dependencies</arg>

                             </args>

                         </configuration>

                     </execution>

                 </executions>

             </plugin>

             <plugin>

                 <groupId>org.apache.maven.plugins</groupId>

                 <artifactId>maven-shade-plugin</artifactId>

                 <version>2.4.</version>

                 <executions>

                     <execution>

                         <phase>package</phase>

                         <goals>

                             <goal>shade</goal>

                         </goals>

                         <configuration>

                             <filters>

                                 <filter>

                                     <artifact>*:*</artifact>

                                     <excludes>

                                         <exclude>META-INF/*.SF</exclude>

                                         <exclude>META-INF/*.DSA</exclude>

                                         <exclude>META-INF/*.RSA</exclude>

                                     </excludes>

                                 </filter>

                             </filters>

                             <!-- 由于我们的程序可能有很多，所以这里可以不用指定main方法所在的类名，我们可以在提交spark程序的时候手动指定要调用那个main方法 -->

                             <!--

                             <transformers>

                                 <transformer implementation="org.apache.maven.plugins.shade.resource.ManifestResourceTransformer">

                                     <mainClass>com.xuebusi.spark.WordCount</mainClass>

                                 </transformer>

                             </transformers>

                             -->

                         </configuration>

                     </execution>

                 </executions>

             </plugin>

         </plugins>

     </build>

 </project>

这个时候在左侧的依赖就会出现很多maven包，注意要有网络哈

(2)修改pol部分内容如下，错误的内容会出现红色的字样哦

在pom.xml文件中还有错误提示，因为src/main/和src/test/这两个目录下面没有scala目录。

(3) 右击项目src，新建scala class，选择object

(4) 编写代码

 import org.apache.spark.rdd.RDD

 import org.apache.spark.{SparkConf, SparkContext}

 /**

   * Created by SYJ on 2017/1/23.

   */

 object WordCount {

   def main(args: Array[String]) {

     //创建SparkConf

     val conf: SparkConf = new SparkConf()

     //创建SparkContext

     val sc: SparkContext = new SparkContext(conf)

     //从文件读取数据

     val lines: RDD[String] = sc.textFile(args())

     //按空格切分单词

     val words: RDD[String] = lines.flatMap(_.split(" "))

     //单词计数,每个单词每出现一次就计数为1

     val wordAndOne: RDD[(String, Int)] = words.map((_, ))

     //聚合,统计每个单词总共出现的次数

     val result: RDD[(String, Int)] = wordAndOne.reduceByKey(_+_)

     //排序,根据单词出现的次数排序

     val fianlResult: RDD[(String, Int)] = result.sortBy(_._2, false)

     //将统计结果保存到文件

     fianlResult.saveAsTextFile(args())

     //释放资源

     sc.stop()

   }

 }

(5) 打包
将编写好的WordCount程序使用Maven插件打成jar包，打包的时候也要保证电脑能够联网，因为Maven可能会到中央仓库中下载一些依赖：

双击package

打包成功提示

(6) 在jar包上面右击 copy path找到jar在win下的路径并上传到集群

(7) 启动hdfs 因为只用到hdfs，创建一个目录 hdfs dfs -mkdir /wc 然后创建一个txt文件

/hadoop/sbin/start-dfs.sh

(8)启动集群

/spark/sbin/start-all.sh

(9) jps查看master和worker是否都起来

(10) 提交给集群后面两个参数分别为输入输出文件

bin/spark-submit --class spark.wordCount --executor-memory 512m --total-executor-cores 2 /home/hadoop/hadoop/spark-2.3.1-bin-hadoop2.7/spark_testJar/ljSparkCount-1.0-SNAPSHOT.jar hdfs://slave104:9000/wc hdfs://slave104:9000/wc/output

(11)验证

好了，到此结束，加油骚年

巴特西

spark学习之IDEA配置spark并wordcount提交集群

最新文章

热门文章