spark统计文件行数

本文记录了使用Spark在IntelliJ IDEA中复习Spark基础知识的过程,特别是如何统计HDFS上的文件行数。作者提醒注意Spark版本和Scala版本的匹配,以及在分布式环境下本地文件可能无法被所有执行节点访问的问题,建议将文件上传到HDFS。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

虽然接触大数据2年了,以前对spark使用都是和solr建索引任务,由于目前的工作很少涉及spark了,为了不遗忘,从头开始复习一下spark,不同的是这次记录下来,一来方便自己查阅,二来对于刚入门的同行也算个案例。PS.高手勿喷

1、spark读取文件,统计行数

Intellj idea 开发工具环境就不在介绍了,网上很多教程,唯一需要注意的是你的spark或者scala版本与本地一致即可。

我这里的spark 2.0.0 scala 2.10.6 

package com.kite.spark.demo

import org.apache.spark.{SparkConf, SparkContext}

/**
  * Created by z.guang on 2018/1/4.
  * ./spark-submit --master spark://xxx:7077 --executor-memory 1G --executor-cores 4 --class com.kite.spark.demo.SparkDemo /home/hdfs/test/sparkdemo/SparkLearningDemo.jar /user/spark/samples/word_sparkexample.txt > sparkdemo.log
  */
object SparkDemo {

  def main(args: Array[String]): Unit = {
    //设置spark的序列号方式
    System.setProperty("spark.serializer","org.apache.spark.serializer.KryoSerializer")
    //初始化spark
    val conf = new SparkConf().setAppName("SparkDemo")
    val sc = new SparkContext(conf)

    val fileRdd = sc.textFile(args(0))
    println(args(0) 
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值