spark集群上运行helloworld程序--WordCount
环境centOS6.5spark1.6利用idea编写WC程序创建maven项目File --> close Project -->Create New Project选择MavenNext,来到Maven项目最重要三个参数的设置页面,这三个参数分别为:GroupId, ArtifactId和Version为了更好的解释这三个字段,用Spark 1.
·
环境
centOS6.5
spark1.6
利用idea编写WC程序
创建maven项目
File --> close Project -->Create New Project
选择Maven
Next,来到Maven项目最重要三个参数的设置页面,这三个参数分别为:GroupId, ArtifactId和Version
为了更好的解释这三个字段,用Spark 1.6.2的核心组件的Maven标识符为例来进行讲解。
<groupId>org.apache.spark</groupId>
<artifactId>spark-core_2.11</artifactId>
<version>1.6.2</version>
GroupId,可以理解为用来标志你整个项目组的,或者你这些代码属于某一个完整的项目,比如上面的org.apache.spark就可以非常好的来标志Apache的Spark这个项目了。一般来说可以使用倒序的公司网址来作为GroupId,这可以类比为,沿袭了Java项目中使用倒序公司网址来作为Package名称的一个惯例。
ArtifactId,一般是用来在整个项目组来标志本项目的,相比GroupId的范围,其概念要稍微小一些,比如spark-core_2.11就非常好的表示出了本项目主要是关于Spark的核心基础组件的,从而能够与Spark其他各种组件或架构很好的区分开来。
Version,正如字面意思,就是本项目的迭代版本的信息,如上面的1.6.2.
现在,比如你的公司名称叫做abc,然后你的项目组叫做test,那就可以使用com.abc.test来作为GroupId,然后将ArtifactId取做myFirstProject,版本号就使用它默认的就好了(当然,如果你的项目以后有迭代更新版本的话,这个是需要按照实际情况进行改动的)。这三个字段设置完毕后,点击Next,来到项目名称设置页面,一般可以和ArtifactId字段保持一致,当然也可以不一致,这个只是为了给本项目取个名字而已。
具体可以参考博客:http://www.jianshu.com/p/ecc6eb298b8f
<groupId>org.apache.spark</groupId>
<artifactId>spark-core_2.11</artifactId>
<version>1.6.2</version>
GroupId,可以理解为用来标志你整个项目组的,或者你这些代码属于某一个完整的项目,比如上面的org.apache.spark就可以非常好的来标志Apache的Spark这个项目了。一般来说可以使用倒序的公司网址来作为GroupId,这可以类比为,沿袭了Java项目中使用倒序公司网址来作为Package名称的一个惯例。
ArtifactId,一般是用来在整个项目组来标志本项目的,相比GroupId的范围,其概念要稍微小一些,比如spark-core_2.11就非常好的表示出了本项目主要是关于Spark的核心基础组件的,从而能够与Spark其他各种组件或架构很好的区分开来。
Version,正如字面意思,就是本项目的迭代版本的信息,如上面的1.6.2.
现在,比如你的公司名称叫做abc,然后你的项目组叫做test,那就可以使用com.abc.test来作为GroupId,然后将ArtifactId取做myFirstProject,版本号就使用它默认的就好了(当然,如果你的项目以后有迭代更新版本的话,这个是需要按照实际情况进行改动的)。这三个字段设置完毕后,点击Next,来到项目名称设置页面,一般可以和ArtifactId字段保持一致,当然也可以不一致,这个只是为了给本项目取个名字而已。
具体可以参考博客:http://www.jianshu.com/p/ecc6eb298b8f
具体代码
pom.xml文件
<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
<modelVersion>4.0.0</modelVersion>
<groupId>cn.heres.spark</groupId>
<artifactId>hello-spark</artifactId>
<version>1.0</version>
<properties>
<maven.compiler.source>1.7</maven.compiler.source>
<maven.compiler.target>1.7</maven.compiler.target>
<encoding>UTF-8</encoding>
<scala.version>2.10.6</scala.version>
<spark.version>1.6.1</spark.version>
<hadoop.version>2.6.4</hadoop.version>
</properties>
<dependencies>
<dependency>
<groupId>org.scala-lang</groupId>
<artifactId>scala-library</artifactId>
<version>${scala.version}</version>
</dependency>
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-core_2.10</artifactId>
<version>${spark.version}</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-client</artifactId>
<version>${hadoop.version}</version>
</dependency>
</dependencies>
<build>
<sourceDirectory>src/main/scala</sourceDirectory>
<testSourceDirectory>src/test/scala</testSourceDirectory>
<plugins>
<plugin>
<groupId>net.alchim31.maven</groupId>
<artifactId>scala-maven-plugin</artifactId>
<version>3.2.2</version>
<executions>
<execution>
<goals>
<goal>compile</goal>
<goal>testCompile</goal>
</goals>
<configuration>
<args>
<arg>-make:transitive</arg>
<arg>-dependencyfile</arg>
<arg>${project.build.directory}/.scala_dependencies</arg>
</args>
</configuration>
</execution>
</executions>
</plugin>
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-shade-plugin</artifactId>
<version>2.4.3</version>
<configuration>
<createDependencyReducedPom>false</createDependencyReducedPom>
</configuration>
<executions>
<execution>
<phase>package</phase>
<goals>
<goal>shade</goal>
</goals>
<configuration>
<filters>
<filter>
<artifact>*:*</artifact>
<excludes>
<exclude>META-INF/*.SF</exclude>
<exclude>META-INF/*.DSA</exclude>
<exclude>META-INF/*.RSA</exclude>
</excludes>
</filter>
</filters>
</configuration>
</execution>
</executions>
</plugin>
</plugins>
</build>
</project>
这里需要将src/main和src/test下的java文件改成scala,不然配置文件会报错。
右键main/scala文件夹,新建.scala文件
WordCount.scala文件
package cn.heres.spark
import org.apache.spark.{SparkConf, SparkContext}
/**
* Created by vinsuan on 2017/8/26 0026.
*/
object WordCount {
def main(args: Array[String]) {
//非常重要,是通向Spark集群的入口
val conf = new SparkConf().setAppName("WC")
val sc = new SparkContext(conf)
sc.textFile(args(0)).flatMap(_.split(" ")).map((_, 1))
.reduceByKey(_+_).sortBy(_._2, false).saveAsTextFile(args(1))
sc.stop()
}
}
达成jar包
成功达成jar之后,有厂产生一个target目录,生成两个jar文件,其中一个把依赖也打包进去了,一个则没有。
向spark集群提交任务
利用第三方工具将jar包上传至centos
启动hdfs和spark可以参考博客:http://blog.csdn.net/vinsuan1993/article/details/76222159
运行命令:
bin/spark-submit --master spark://heres01:7077 --class cn.heres.spark.WordCount --executor-memory 512m --total-executor-cores 2 /root/hello-spark-1.0.jar hdfs://192.168.2.112:9000/wc hdfs://192.168.2.112:9000/wcok
查看结果:
[root@heres01 spark-1.6.1-bin-hadoop2.6]# hdfs dfs -ls /wcok
Found 4 items
-rw-r--r-- 3 root supergroup 0 2017-08-27 12:56 /wcok/_SUCCESS
-rw-r--r-- 3 root supergroup 11 2017-08-27 12:56 /wcok/part-00000
-rw-r--r-- 3 root supergroup 8 2017-08-27 12:56 /wcok/part-00001
-rw-r--r-- 3 root supergroup 30 2017-08-27 12:56 /wcok/part-00002
[root@heres01 spark-1.6.1-bin-hadoop2.6]# hdfs dfs -cat /wcok/p*
(hello,15)
(tom,6)
(world,3)
(jerry,3)
(kitty,3)
[root@heres01 spark-1.6.1-bin-hadoop2.6]#
更多推荐
已为社区贡献1条内容
所有评论(0)