Spark example WordCount_综合

scala IDE：IDEA

Scala code:

package com.spark.appimport org.apache.spark.{SparkContext, SparkConf}/*** Created by Administrator on 2016/7/24 0024.*/
object WordCount {
    def main(args: Array[String]) {/*** 第1步；创建Spark的配置对象SparkConf，设置Spark程序运行时的配置信息* 例如 setAppName用来设置应用程序的名称，在程序运行的监控界面可以看到该名称，* setMaster设置程序运行在本地还是运行在集群中，运行在本地可是使用local参数，也可以使用local[K]/local[*],* 可以去spark官网查看它们不同的意义。 如果要运行在集群中，以Standalone模式运行的话，需要使用spark://HOST:PORT* 的形式指定master的IP和端口号，默认是7077*/val conf = new SparkConf().setAppName("WordCount").setMaster("local")
// val conf = new SparkConf().setAppName("WordCount").setMaster("spark://master:7077") // 运行在集群中/*** 第2步：创建SparkContext 对象* SparkContext是Spark程序所有功能的唯一入口* SparkContext核心作用： 初始化Spark应用程序运行所需要的核心组件，包括DAGScheduler、TaskScheduler、SchedulerBackend* 同时还会负责Spark程序往Master注册程序** 通过传入SparkConf实例来定制Spark运行的具体参数和配置信息*/val sc = new SparkContext(conf)/*** 第3步： 根据具体的数据来源(HDFS、 HBase、Local FS、DB、 S3等)通过SparkContext来创建RDD* RDD 的创建基本有三种方式： 根据外部的数据来源(例如HDFS)、根据Scala集合使用SparkContext的parallelize方法、* 由其他的RDD操作产生* 数据会被RDD划分成为一系列的Partitions，分配到每个Partition的数据属于一个Task的处理范畴*/val lines = sc.textFile("D:/resources/README.md")   // 读取本地文件
// val lines = sc.textFile("/library/wordcount/input") // 读取HDFS文件，并切分成不同的Partition
// val lines = sc.textFile("hdfs://master:9000/libarary/wordcount/input") // 或者明确指明是从HDFS上获取数据/*** 第4步： 对初始的RDD进行Transformation级别的处理，例如 map、filter等高阶函数来进行具体的数据计算*/val words = lines.flatMap(_.split(" ")).filter(word => word != " ")  // 拆分单词，并过滤掉空格，当然还可以继续进行过滤，如去掉标点符号val pairs = words.map(word => (word, 1))  // 在单词拆分的基础上对每个单词实例计数为1, 也就是 word => (word, 1)val wordscount = pairs.reduceByKey(_ + _)  // 在每个单词实例计数为1的基础之上统计每个单词在文件中出现的总次数, 即key相同的value相加
// val wordscount = pairs.reduceByKey((v1, v2) => v1 + v2) // 等同于wordscount.collect.foreach(println)  // 打印结果，使用collect会将集群中的数据收集到当前运行drive的机器上，需要保证单台机器能放得下所有数据sc.stop()   // 释放资源}
}
  
   1
   2
   3
   4
   5
   6
   7
   8
   9
   10
   11
   12
   13
   14
   15
   16
   17
   18
   19
   20
   21
   22
   23
   24
   25
   26
   27
   28
   29
   30
   31
   32
   33
   34
   35
   36
   37
   38
   39
   40
   41
   42
   43
   44
   45
   46
   47
   48
   49
   50
   51
   52
   53
   54
   55
   56
  
  
   1
   2
   3
   4
   5
   6
   7
   8
   9
   10
   11
   12
   13
   14
   15
   16
   17
   18
   19
   20
   21
   22
   23
   24
   25
   26
   27
   28
   29
   30
   31
   32
   33
   34
   35
   36
   37
   38
   39
   40
   41
   42
   43
   44
   45
   46
   47
   48
   49
   50
   51
   52
   53
   54
   55
   56

如果运行在集群中，需要将程序打包成jar包，使用Spark提供的spark-submit提交到集群

spark-submit --class com.spark.app.WordCount --master spark://master:7077 /root/Documents/SparkApps/wordcount.jar
  
   1
  
  
   1

–class: 应用入口类（例如：org.apache.spark.examples.SparkPi )
–master: 集群的master URL （如：spark://23.195.26.187:7077）

更多提交时设置的内容可以参考Spark官方文档http://spark.apache.org/docs/latest/submitting-applications.html