Spark学习(2)

最新推荐文章于 2024-04-18 17:43:08 发布

原创最新推荐文章于 2024-04-18 17:43:08 发布 · 6.3k 阅读

0 ·

CC 4.0 BY-SA版权

Java 专栏收录该内容

31 篇文章

订阅专栏

博主分享了在单机环境下使用Scala和Java进行Spark简单单词计数的体验，指出Scala在Spark开发中的简洁优势。文章提到了在单机版运行时需设置`setMaster("local")`和`setAppName("wordCount")`，而在集群环境中则不需要这部分代码。下一步计划在集群下安装cygwin并测试Spark。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

昨天安装完成，起床后抄了个简单的单词计数，单机版运行成功，从Java和Scala两种语言比较来看，Scala在做Spark开发的时候确实要简练很多：

/**
 * Created by tsq on 2016-07-17.
 */
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.FlatMapFunction;
import org.apache.spark.api.java.function.Function2;
import org.apache.spark.api.java.function.PairFunction;
import scala.Tuple2;
import java.util.Arrays;
import java.util.List;
import java.util.regex.Pattern;

public  class wordCount {
     private static final Pattern SPACE = Pattern.compile(" ");
     public static void main(String[] args) throws Exception
     {
          /*var conf= new SparkConf().setMaster("local").setAppName("wordCount")
          var sc= new SparkContext(conf)
          var data = sc.textFile("d://word.txt")
          data.flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).collect().foreach(println)*/

          SparkConf sparkConf = new SparkConf().setMaster("local").setAppName("wordCount");
          JavaSparkContext ctx = new JavaSparkContext(sparkConf);
          JavaRDD<String> lines = ctx.textFile("d://word.txt", 1);
          JavaRDD<String> words = lines.flatMap(new FlatMapFunction<String, String>() {
               @Override
               public Iterable<String> call(String s) {
                  return Arrays.asList(SPACE.split(s));
               }
          });
          JavaPairRDD<String, Integer> ones = words.mapToPair(new PairFunction<String, String, Integer>() {
               @Override
               public Tuple2<String, Integer> call(String s) {
                    if(s.contentEquals("good"))
                    {
                        return new Tuple2<String, Integer>(s, 1);
                    }
                   if(s.contentEquals("spark"))
                   {
                       return new Tuple2<String, Integer>(s, 1);
                   }
                    return new Tuple2<String, Integer>("other", 1);
               }
          });
          JavaPairRDD<String, Integer> counts = ones.reduceByKey(new Function2<Integer, Integer, Integer>() {
               @Override
               public Integer call(Integer i1, Integer i2) {
                      return i1 + i2;
               }
          });
          List<Tuple2<String, Integer>> output = counts.collect();
          for (Tuple2<?, ?> tuple : output) {
           System.out.println(tuple._1() + "=> " + tuple._2());
          }
          ctx.stop();
     }

}

注意：main函数的注释部分使用Scala语言写的。

需要注意的是，如果是单机版的，要运行的话一定要添加红色部分代码：

SparkConf sparkConf = new SparkConf().setMaster("local").setAppName("wordCount");
但如果要在集群中运行，红色部分的代码就应该除掉。

下一步，安装cywin,测试一下集群下的Spark.