Spark学习进度2

入门

第一个应用的运行

1. 进入 Spark 安装目录中

   cd /export/servers/spark/
   

2. 运行 Spark 示例任务

   bin/spark-submit \
   --class org.apache.spark.examples.SparkPi \
   --master spark://node01:7077,node02:7077,node03:7077 \
   --executor-memory 1G \
   --total-executor-cores 2 \
   /export/servers/spark/examples/jars/spark-examples_2.11-2.2.3.jar \
   100
   

3. 运行结果

   Pi is roughly 3.141550671141551
   

编写 Spark 程序

Spark shell

• Spark shell 是 Spark 提供的一个基于 Scala 语言的交互式解释器, 类似于 Scala 提供的交互式解释器, Spark shell 也可以直接在 Shell 中编写代码执行

• 启动 Spark shell

  • 进入到spark安装目录spark-shell --master master 就可以提交Spark 任务

  • master配置

    地址	解释
    local[N]	使用 N 条 Worker 线程在本地运行
    spark://host:port	在 Spark standalone 中运行, 指定 Spark 集群的 Master 地址, 端口默认为 7077
    mesos://host:port	在 Apache Mesos 中运行, 指定 Mesos 的地址
    yarn	在 Yarn 中运行, Yarn 的地址由环境变量 HADOOP_CONF_DIR 来指定

  • 测试

    • 创建文件
    • 启动spark-shell
    • 执行代码

• Spark shell 的原理是把每一行 Scala 代码编译成类, 最终交由 Spark 执行

Spark-submit

• Spark submit 是一个命令, 用于提交 Scala 编写的基于 Spark 框架, 这种提交方式常用作于在集群中运行任务

读取 HDFS 上的文件

1. 上传文件到hdfs

   cd /export/data
   hdfs dfs -mkdir /dataset
   hdfs dfs -put wordcount.txt /dataset/
   

2. 在Spark shell中访问hdfs

   val sourceRdd = sc.textFile("hdfs://node01:8020/dataset/wordcount.txt")
   val flattenCountRdd = sourceRdd.flatMap(_.split(" ")).map((_, 1))
   val aggCountRdd = flattenCountRdd.reduceByKey(_ + _)
   val result = aggCountRdd.collect