Spark3.2教程（五）IDEA下Java开发Spark词频统计

        上一篇文章中，使用了Scala开发了词频统计，本篇文章我们使用Java开发同样的词频统计，借以对比两门语言的不同。
        数据依然存在于某个盘符文件下，具体看代码，内容是：

apple orange pear
banana lemon apple 
pear peach orange

一、创建我们熟悉的Maven Java Module:

二、修改pom.xml
1,修改JDK为1.8

<maven.compiler.source>1.8</maven.compiler.source>

2，添加Spark依赖：

<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-core_2.13</artifactId>
    <version>3.2.0</version>
</dependency>

3，开发Java代码，具体看注释：

package com.alan;

import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.api.java.function.*;
import scala.Tuple2;
import java.util.*;
import java.util.regex.Pattern;

public class Test1 {
    public static void main(String[] args) {
        SparkConf conf = new SparkConf().setAppName("WordCount").setMaster("local");
        JavaSparkContext sparkContext = new JavaSparkContext(conf);
        //读文件
        JavaRDD<String> lines = sparkContext.textFile("d://test/words.txt").cache();
       //读取行，并将单词成集合
        JavaRDD<String> words = lines.flatMap(new FlatMapFunction<String, String>() {
            @Override
            public Iterator<String> call(String s) {
                return Arrays.asList(s.split(" ")).iterator();
            }
        });
      //map
        JavaPairRDD<String, Integer> wordsOnes = words.mapToPair(new PairFunction<String, String, Integer>() {
            @Override
            public Tuple2<String, Integer> call(String s) {
                return new Tuple2<String, Integer>(s, 1);
            }
        });
       //reduce
        JavaPairRDD<String, Integer> wordsCounts = wordsOnes.reduceByKey(new Function2<Integer, Integer, Integer>() {
            @Override
            public Integer call(Integer value, Integer toValue) {
                return value + toValue;
            }
        });
        //控制台打印
        wordsCounts.foreach(new VoidFunction<Tuple2<String, Integer>>() {
            @Override
            public void call(Tuple2<String, Integer> tuple) throws Exception {
                System.out.println( tuple._1()+" "+tuple._2());
            }
        });
      //  wordsCounts.saveAsTextFile("d:/test/spark_word");
    }
}

        从上可见有非常多的匿名内部类，伪函数式编程风格以及Scala的标识符语法，毕竟Spark是由Scala开发的，虽然Scala最终是编译成Java Class，但是在Spark下写Java，感觉是在去适用Scala。
        如果精通Lambda，对其改写，代码会少点。