.Net for Spark 实现 WordCount 应用及调试入坑详解

.Net for Spark 实现WordCount应用及调试入坑详解

1. 概述

iNeuOS云端操作系统现在具备物联网、视图业务建模、机器学习的功能，但是缺少一个计算平台产品。最近在调研使用什么语言进行开发，并且研究实现的技术路线。iNeuOS全系使用C#/JS/CSS/PYTHON开发，所以优先选择C#实现计算平台的开发，当然也不排除使用scala和python等语言。最近微软发布.Net for Spark组件，与 .NET Standard 2.0 兼容，可以在 Linux、macOS 和 Windows 系统上使用，就像 .NET 的其余部分一样。在网上进行了调研，下图展示了 .NET Core 与 Python、Scala 在 TPC-H 查询集上的性能对比。如下图：

在github上看了源代码，代码质量比较高。最近两天进行了应用及测试，整体流程已经走通，感觉比较清爽。

2.系统环境

操作系统：Ubuntu 16.04

开发语言：.Net Core 2.2

计算框架：.Net for Spark

开发工具：VSCODE

测试工具：netcat

3.环境部署

3.1安装 .Net Core 2.2

参见安装过程：https://dotnet.microsoft.com/download/linux-package-manager/ubuntu16-04/sdk-current

3.2安装 .Net for Spark及代码实现

参见安装过程：https://github.com/dotnet/spark/blob/master/docs/getting-started/ubuntu-instructions.md

Program.cs实现的代码参见：https://github.com/dotnet/spark/blob/master/examples/Microsoft.Spark.CSharp.Examples/Sql/Streaming/StructuredNetworkWordCount.cs

3.3安装 netcat

命令行：apt-get install netcat

4.开发调试

4.1启动netcat

主要用于实时发送字符串，实现字符串统计。

命令行：nc -lk 9999

4.2启动调试模式

在程序集目录：HelloSpark/bin/Debug/netcoreapp2.2下。

命令行：spark-submit --class org.apache.spark.deploy.DotnetRunner --master local microsoft-spark-2.4.x-0.3.0.jar debug

不执行这个命令，在vscode调试的时候，会出现异常：[Exception] [JvmBridge] Connection refused 127.0.0.1:5567。

4.3启动vscode调试

在main函数的第一行增加一行测试代码：

args=new string[]{"localhost","9999"};

主要用于连接netcat服务，接收netcat发送过来的字符串，并进行字符串统计。如下图：

4.4调试过程

打开“4.1启动netcat”和“4.2启动调试模式”窗口，netcat用于发送数据，调试模式窗口可以接收到数据并进行统计。如下图：

5.应用发布

把main函数内的测试代码删除掉，在工程目录下执行命令：dotnet build，生成新的程序集。

在程序集目录：HelloSpark/bin/Debug/netcoreapp2.2下执行命令：

命令行：spark-submit --class org.apache.spark.deploy.DotnetRunner --master local microsoft-spark-2.4.x-0.3.0.jar dotnet HelloSpark.dll localhost 9999

同样在netcat窗口发送数据，结果如下图：

6.项目合作

承接工业物联网、大数据、工业互联网项目。官方网站（iNeuOS）：http://www.ineuos.net。

项目代码下载：博客园下载

巴特西