假期学习记录08

　　本次学习学习了spark的安装和使用方法

运行代码

Spark shell本身就是一个Driver，里面包含main方法

进入shell界面

./bin/spark-shell -- master<master-url>

<master-url>:

local 使用一个CPU本地去运行SPARK：完全不并行 不加参数默认该模式

local[*] 使用逻辑CPU个数量的线程去本地SPRAK

local[K] 使用K个CPU的数量的线程去本地SPRAK

还有在集群上进行运行：...

退出： :quit

编写Spark独立应用程序

对于Scala编写的程序采用sbt/maven都可以进行打包

进行安装下载sbt:安装了大约3个小时吧，一开始报错找不到stat，换版本加载慢，最后换阿里源进行解决

启动：

./sbt sbtVersion

示例：

[atguigu@hadoop102 mycode]$ cd ~
[atguigu@hadoop102 ~]$ mkdir ./sparkapp
[atguigu@hadoop102 ~]$ mkdir -p ./sparkapp/src/main/scala
[atguigu@hadoop102 ~]$ cd ./sparkapp/src/main/scala/
[atguigu@hadoop102 scala]$ vim SimpleApp.scala

编写程序：

import org.apache.spark.SparkConf
import org.apache.spark.SparkContext
import org.apache.spark.SparkContext._

object SimpleApp {
  def main(args: Array[String]): Unit = {
    val logFile = "file:///opt/module/spark/README.md"

    val conf = new SparkConf().setAppName("Simple Application")
    val sc = new SparkContext(conf)
    val logData = sc.textFile(logFile,2).cache()
    val numAs = logData.filter(line => line.contains("a")).count()
    val numBs = logData.filter(line => line.contains("b")).count()
    println("Line with a: %s,Line with b: %s".format(numAs,numBs))

  }
}

返回到与src同级的目录下，创建simple.sbt

[atguigu@hadoop102 ~]$ cd sparkapp/
[atguigu@hadoop102 sparkapp]$ ll
总用量 0
drwxrwxr-x. 3 atguigu atguigu 18 1月  20 11:01 src
[atguigu@hadoop102 sparkapp]$ vim simple.sbt

写入内容：

name := "Simple Project"  //名称
version := "1.0"                    
scalaVersion := "2.12.15"
libraryDependencies += "org.apache.spark" %% "spark-core" % "3.2.0"

目录结构如下：

[atguigu@hadoop102 sparkapp]$ find .
.
./src
./src/main
./src/main/scala
./src/main/scala/SimpleApp.scala
./simple.sbt

进行打包：

[atguigu@hadoop102 sparkapp]$ /usr/local/sbt/sbt package

打包完成后文件存在target目录下：生成的应用程序JAR包的位置为“/home/hadoop/sparkapp/target/XXX.jar”

运行：

./bin/spark-submit 
  --class <main-class>  //需要运行的程序的主类，应用程序的入口点 (object)
  --master <master-url>  //Master URL，下面会有具体解释
  --deploy-mode <deploy-mode>   //部署模式
  ... # other options  //其他参数
  <application-jar>  //应用程序JAR包
  [application-arguments] //传递给主类的主方法的参数　

--master <master-url> 不写采用本地模式

[atguigu@hadoop102 spark]$ ./bin/spark-submit --class "SimpleApp" /home/atguigu/sparkapp/target/scala-2.12/simple-project_2.12-1.0.jar

入门示例 wordCount

进入shell界面：./bin/spark-shell

scala> val textFile = sc.textFile("file:///usr/local/spark/mycode/wordcount/word.txt")
scala> val wordCount = textFile.flatMap(line => line.split(" ")).map(word => (word, 1)).reduceByKey((a, b) => a + b)
scala> wordCount.collect()

结果：

采用的是不需要hadoop版本的spark进行操作

编写应用程序执行词频统计：

下面我们编写一个Scala应用程序来实现词频统计。
请登录Linux系统（本教程统一采用用户名hadoop进行登录），进入Shell命令提示符状态，然后，执行下面命令：

cd /usr/local/spark/mycode/wordcount/
mkdir -p src/main/scala  //这里加入-p选项，可以一起创建src目录及其子目录

Shell 命令

请在“/usr/local/spark/mycode/wordcount/src/main/scala”目录下新建一个test.scala文件，里面包含如下代码：

import org.apache.spark.SparkContext
import org.apache.spark.SparkContext._
import org.apache.spark.SparkConf

object WordCount {
    def main(args: Array[String]) {
        val inputFile =  "file:///usr/local/spark/mycode/wordcount/word.txt"
        val conf = new SparkConf().setAppName("WordCount")
        val sc = new SparkContext(conf)
                val textFile = sc.textFile(inputFile)
                val wordCount = textFile.flatMap(line => line.split(" ")).map(word => (word, 1)).reduceByKey((a, b) => a + b)
                wordCount.foreach(println)       
    }
}

如果test.scala没有调用SparkAPI，那么，只要使用scalac命令编译后执行即可。但是，这个test.scala程序依赖 Spark API，因此我们需要通过 sbt 进行编译打包

执行如下命令：

cd /usr/local/spark/mycode/wordcount/
vim simple.sbt

Shell 命令

通过上面代码，新建一个simple.sbt文件，请在该文件中输入下面代码：

name := "WordCount Project"

version := "1.0"

scalaVersion := "2.12.15"

libraryDependencies += "org.apache.spark" %% "spark-core" % "3.2.0"

注意， "org.apache.spark"后面是两个百分号，千万不要少些一个百分号%，如果少了，编译时候会报错。
下面我们使用 sbt 打包 Scala 程序。为保证 sbt 能正常运行，先执行如下命令检查整个应用程序的文件结构：

cd /usr/local/spark/mycode/wordcount/
find .

Shell 命令

应该是类似下面的文件结构：

.
./src
./src/main
./src/main/scala
./src/main/scala/test.scala
./simple.sbt
./word.txt

接着，我们就可以通过如下代码将整个应用程序打包成 JAR（首次运行同样需要下载依赖包 ）：

cd /usr/local/spark/mycode/wordcount/  //请一定把这目录设置为当前目录
/usr/local/sbt/sbt package

Shell 命令

上面执行过程需要消耗几分钟时间：

生成的 jar 包的位置为

/usr/local/spark/mycode/wordcount/target/scala-2.12/wordcount-project_2.12-1.0.jar

最后，通过 spark-submit 运行程序。我们就可以将生成的 jar 包通过 spark-submit 提交到 Spark 中运行了，命令如下：

/usr/local/spark/bin/spark-submit --class "WordCount"  /usr/local/spark/mycode/wordcount/target/scala-2.12/wordcount-project_2.12-1.0.jar

结果：

IDEA编写Spark应用程序

。。。。