Spark中WordCount案例实操（linux上直接运行）上篇

最新推荐文章于 2022-10-19 19:22:28 发布

原创

最新推荐文章于 2022-10-19 19:22:28 发布 · 400 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#spark #大数据

本文详细介绍了如何在Linux环境下使用Maven构建一个Scala工程，进行Spark WordCount案例的实现。从新建Maven工程，配置日志级别，添加依赖，到编写yarn-cluster模式的代码，一步步指导完成Spark程序的打包与运行。

编写程序（linux上运行）

1.新建一个maven工程

1.1 建好后，在项目上右击 --> Add Framework Support --> 勾选scala
1.2 在src/main下新建一个directory （scala）–> 点击scala,右键 --> Mark Directory AS --> Sources Root

2.日志文件配置（设置只打印Error级别的日志）

2.1 在src/main/resources下新建 --> File（名为log4j.properties）
2.2 添加配置信息

log4j.rootCategory=ERROR, console
log4j.appender.console=org.apache.log4j.ConsoleAppender
log4j.appender.console.target=System.err
log4j.appender.console.layout=org.apache.log4j.PatternLayout
log4j.appender.console.layout.ConversionPattern=%d{
   
   yy/MM/dd HH:mm:ss} %p %c{
   
   1}: %m%n

# Set the default spark-shell log level to ERROR. When running the spark-shell, the
# log level for this class is used to overwrite the root logger's log level, so that
# the user can have different defaults for the shell and regular Spark apps.
log4j.logger.org.apache.spark.repl.Main=ERROR

# Settings to quiet third party logs that are too verbose
log4j.logger.org.spark_project.jetty=ERROR
log4j.logger.org.spark_project.jetty.util.component.AbstractLifeCycle=ERROR
log4j.logger.org.apache.spark