提交wordCount程序到spark集群上運(yùn)行

1铆隘、Java版wordCount
1)Java代碼:

/**
 * 將Java開發(fā)的wordcount程序部署到spark集群上運(yùn)行
 */
public class WordCountCluster {
    public static void main(String[] args) {
        String inputPath = args[0];
        String outputPath =args[1];
        //編寫spark應(yīng)用程序
        //1节吮、創(chuàng)建spark對象值骇,設(shè)置spark應(yīng)用的配置
        SparkConf conf = new SparkConf()
                .setAppName("WordCountCluster");//應(yīng)用程序的名稱
//                .setMaster("local");//本地模式害驹,可以直接運(yùn)行因苹,不設(shè)置的話苟耻,默認(rèn)連接本地集群
        //2、創(chuàng)建JavaSparkContext對象
        //在spark中扶檐,SParkContext是spark所有功能的一個入口
        JavaSparkContext jsc = new JavaSparkContext(conf);
        //3凶杖、針對輸入源,創(chuàng)建一個初始的RDD
        JavaRDD<String> lines = jsc.textFile(inputPath);
        //4款筑、對初始RDD進(jìn)行transferformation操作智蝠,也就是一些計算操作
        //把每一行拆分成一個個的單詞
        JavaRDD<String> words = lines.flatMap(new FlatMapFunction<String, String>() {
            @Override
            public Iterator<String> call(String s) throws Exception {
                return Arrays.asList(s.split(" ")).iterator();
            }
        });

        //將每個單詞映射為(單詞,1)的這種格式
        JavaPairRDD<String,Integer> pairs = words.mapToPair(new PairFunction<String, String, Integer>() {
            @Override
            public Tuple2<String, Integer> call(String word) throws Exception {
                return new Tuple2<String, Integer>(word,1);
            }
        });

        //以單詞作為key奈梳,統(tǒng)計每個單詞出現(xiàn)的次數(shù)
        //使用reduceByKey算子杈湾,對每個key對應(yīng)的value,都進(jìn)行reduce操作
        JavaPairRDD<String,Integer> wordCOunts = pairs.reduceByKey(
                new Function2<Integer, Integer, Integer>() {
            @Override
            public Integer call(Integer v1, Integer v2) throws Exception {
                return v1 + v2;
            }
        });

        //最后攘须,使用一種action操作漆撞,比如foreach,來觸發(fā)程序的執(zhí)行
        wordCOunts.foreach(new VoidFunction<Tuple2<String, Integer>>() {
            @Override
            public void call(Tuple2<String, Integer> wordCOunt) throws Exception {
                System.out.println(wordCOunt._1 + " appeared "+ wordCOunt._2 +" times.");
            }
        });
        //action操作,也可以是保存數(shù)據(jù)
        wordCOunts.saveAsTextFile(outputPath);
        jsc.close();
    }
}

2)打包代碼上傳到服務(wù)器

sparkjava-1.0-SNAPSHOT.jar

3)上傳文件到hdfs上去

hdfs dfs  -put englist /user/hadoop/english
圖片.png

4)使用spark-submit提交

bin/spark-submit \
--class cn.spark.core.WordCountCluster \
--num-executors 3 \
--driver-memory 512m \
--executor-memory 100m \
--executor-cores 3 \
/usr/local/hadoop/spark/test/sparkjava-1.0-SNAPSHOT.jar \
/user/hadoop/english \
/user/hadoop/javaoutput/english_output

這里的輸入路徑和輸出路徑可以不是hdfs的路徑叫挟,但是也會去hdfs上去找文件
運(yùn)行結(jié)果:


圖片.png

2艰匙、scala版wordcount
1)scala代碼如下:

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

object ScalaWorldCount {
  def main(args: Array[String]): Unit = {
    val inputpath = args(0)
    val outputpath = args(1)
    val conf = new SparkConf()
    conf.setAppName("ScalaWorldCount")// //設(shè)置任務(wù)名
    val sc = new SparkContext(conf) //創(chuàng)建SparkCore的程序入口
    val lines: RDD[String] = sc.textFile(inputpath,1)//讀取文件生成RDD
    //把每一行數(shù)據(jù)按照,分割
    val word: RDD[String] = lines.flatMap(_.split(" "))
    //讓每一個單詞都出現(xiàn)一次
    val wordOne: RDD[(String, Int)] = word.map((_,1))
    //單詞計數(shù)
    val wordCount: RDD[(String, Int)] = wordOne.reduceByKey(_+_)
    //按照單詞出現(xiàn)的次數(shù)降序排序
    val sortRdd: RDD[(String, Int)] = wordCount.sortBy(tuple => tuple._2,false)
    //將最終的結(jié)果進(jìn)行保存
    sortRdd.saveAsTextFile(outputpath)
    sc.stop()
  }
}

2)打包上傳到服務(wù)器

sparkdemo-1.0-SNAPSHOT.jar

3)使用spark-submit提交

bin/spark-submit \
--class ScalaWorldCount \
--num-executors 3 \
--driver-memory 512m \
--executor-memory 100m \
--executor-cores 3 \
/usr/local/hadoop/spark/test/sparkdemo-1.0-SNAPSHOT.jar \
/user/hadoop/english \
/user/hadoop/sparkoutput/english_output

運(yùn)行結(jié)果:


圖片.png

下載結(jié)果文件查看抹恳,如圖所示员凝,這里我做了排序,但是從結(jié)果看奋献,并沒有排序健霹,暫時還不知道原因,知道的兄弟可以跟我說一下:


圖片.png

3瓶蚂、用spark-shell開發(fā)wordcount程序
代碼如下:

scala> import org.apache.spark.rdd.RDD
import org.apache.spark.rdd.RDD

scala> val lines = sc.textFile("/user/hadoop/english")
lines: org.apache.spark.rdd.RDD[String] = /user/hadoop/english MapPartitionsRDD[1] at textFile at <console>:24

scala> val word: RDD[String] = lines.flatMap(_.split(" "))
word: org.apache.spark.rdd.RDD[String] = MapPartitionsRDD[2] at flatMap at <console>:26

scala> val wordOne: RDD[(String, Int)] = word.map((_,1))
wordOne: org.apache.spark.rdd.RDD[(String, Int)] = MapPartitionsRDD[3] at map at <console>:26

scala> val wordCount: RDD[(String, Int)] = wordOne.reduceByKey(_+_)
wordCount: org.apache.spark.rdd.RDD[(String, Int)] = ShuffledRDD[4] at reduceByKey at <console>:26

scala> wordCount.take(10)
res0: Array[(String, Int)] = Array((pump,,1), (Let,1), (health,1), (it,2), (oxygen,2), (The,1), (have,5), (carried,1), (unusual,1), (“I,1))

但是在spark-shell上也是可以排序的

scala> val sortRdd: RDD[(String, Int)] = wordCount.sortBy(tuple => tuple._2,false)
sortRdd: org.apache.spark.rdd.RDD[(String, Int)] = MapPartitionsRDD[7] at sortBy at <console>:26

scala> sortRdd.take(10)
res1: Array[(String, Int)] = Array((to,16), (his,15), (in,11), (him,10), (and,8), (he,7), (the,7), (was,7), (she,7), (that,7))

scala> 

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末糖埋,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子窃这,更是在濱河造成了極大的恐慌瞳别,老刑警劉巖,帶你破解...
    沈念sama閱讀 223,002評論 6 519
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件杭攻,死亡現(xiàn)場離奇詭異祟敛,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)兆解,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,357評論 3 400
  • 文/潘曉璐 我一進(jìn)店門馆铁,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人锅睛,你說我怎么就攤上這事埠巨。” “怎么了现拒?”我有些...
    開封第一講書人閱讀 169,787評論 0 365
  • 文/不壞的土叔 我叫張陵辣垒,是天一觀的道長。 經(jīng)常有香客問我印蔬,道長乍构,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 60,237評論 1 300
  • 正文 為了忘掉前任扛点,我火速辦了婚禮哥遮,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘陵究。我一直安慰自己眠饮,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 69,237評論 6 398
  • 文/花漫 我一把揭開白布铜邮。 她就那樣靜靜地躺著仪召,像睡著了一般寨蹋。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上扔茅,一...
    開封第一講書人閱讀 52,821評論 1 314
  • 那天已旧,我揣著相機(jī)與錄音,去河邊找鬼召娜。 笑死运褪,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的玖瘸。 我是一名探鬼主播秸讹,決...
    沈念sama閱讀 41,236評論 3 424
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼雅倒!你這毒婦竟也來了璃诀?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 40,196評論 0 277
  • 序言:老撾萬榮一對情侶失蹤蔑匣,失蹤者是張志新(化名)和其女友劉穎劣欢,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體裁良,經(jīng)...
    沈念sama閱讀 46,716評論 1 320
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡凿将,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,794評論 3 343
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了趴久。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片丸相。...
    茶點故事閱讀 40,928評論 1 353
  • 序言:一個原本活蹦亂跳的男人離奇死亡搔确,死狀恐怖彼棍,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情膳算,我是刑警寧澤座硕,帶...
    沈念sama閱讀 36,583評論 5 351
  • 正文 年R本政府宣布,位于F島的核電站涕蜂,受9級特大地震影響华匾,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜机隙,卻給世界環(huán)境...
    茶點故事閱讀 42,264評論 3 336
  • 文/蒙蒙 一蜘拉、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧有鹿,春花似錦旭旭、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,755評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽源梭。三九已至,卻和暖如春稍味,著一層夾襖步出監(jiān)牢的瞬間废麻,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,869評論 1 274
  • 我被黑心中介騙來泰國打工模庐, 沒想到剛下飛機(jī)就差點兒被人妖公主榨干…… 1. 我叫王不留烛愧,地道東北人。 一個月前我還...
    沈念sama閱讀 49,378評論 3 379
  • 正文 我出身青樓赖欣,卻偏偏與公主長得像屑彻,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子顶吮,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 45,937評論 2 361

推薦閱讀更多精彩內(nèi)容