2月18日 spark实验三 hadoop和spark的安装和使用

1．安装 Hadoop 和 Spark
进入 Linux 系统，参照本教程官网“实验指南”栏目的“Hadoop 的安装和使用”，完
成 Hadoop 伪分布式模式的安装。完成 Hadoop 的安装以后，再安装 Spark（Local 模式）。
2．HDFS 常用操作
使用 hadoop 用户名登录进入 Linux 系统，启动 Hadoop，参照相关 Hadoop 书籍或网络
资料，或者也可以参考本教程官网的“实验指南”栏目的“HDFS 操作常用 Shell 命令”，
使用 Hadoop 提供的 Shell 命令完成如下操作：
（1） 启动 Hadoop，在 HDFS 中创建用户目录“/user/hadoop”；

1. 启动hadoop
   

2. 创建目录
   

（2） 在 Linux 系统的本地文件系统的“/home/hadoop”目录下新建一个文本文件
test.txt，并在该文件中随便输入一些内容，然后上传到 HDFS 的“/user/hadoop”
目录下；

（3） 把 HDFS 中“/user/hadoop”目录下的 test.txt 文件，下载到 Linux 系统的本地文
件系统中的“/home/hadoop/下载”目录下；

（4） 将HDFS中“/user/hadoop”目录下的test.txt文件的内容输出到终端中进行显示；

（5） 在 HDFS 中的“/user/hadoop”目录下，创建子目录 input，把 HDFS 中
“/user/hadoop”目录下的 test.txt 文件，复制到“/user/hadoop/input”目录下；

（6） 删除HDFS中“/user/hadoop”目录下的test.txt文件，删除HDFS中“/user/hadoop”
目录下的 input 子目录及其子目录下的所有内容。

3. Spark 读取文件系统的数据
   （1）在 spark-shell 中读取 Linux 系统本地文件“/home/hadoop/test.txt”，然后统计出文
   件的行数；
   

（2）在 spark-shell 中读取 HDFS 系统文件“/user/hadoop/test.txt”（如果该文件不存在，
请先创建），然后，统计出文件的行数；

（3）编写独立应用程序，读取 HDFS 系统文件“/user/hadoop/test.txt”（如果该文件不存在，
请先创建），然后，统计出文件的行数；通过 sbt 工具将整个应用程序编译打包成 JAR 包，
并将生成的 JAR 包通过 spark-submit 提交到 Spark 中运行命令。
（1）编写代码

import org.apache.spark.sql.SparkSession

object HDFSFileReader {
  def main(args: Array[String]): Unit = {
    // 创建SparkSession
    val spark = SparkSession.builder()
      .appName("HDFS File Reader")
      .getOrCreate()

    // 读取HDFS文件
    val linesRDD = spark.sparkContext.textFile("hdfs:///user/hadoop/test.txt")

    // 统计文件行数
    val lineCount = linesRDD.count()

    // 打印行数
    println(s"文件行数为: $lineCount")

    // 停止SparkSession
    spark.stop()
  }
}

(2)打包应用程序

name := "HDFSFileReader"

version := "1.0"

scalaVersion := "2.12.10"

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

libraryDependencies += "org.apache.spark" %% "spark-sql" % "3.2.0" % "provided"

（3）提交spark-submit运行

（4）输出结果