Spark Word Count Java 版本

1 需求

统计单词出现的次数并且按照次数降序排序
在这里插入图片描述

2 JAVA CODE

package com.rosh.spark.wc;

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.Iterator;

public class JavaWordCount {

    public static void main(String[] args) {

        //创建spark上下文
        SparkConf sparkConf = new SparkConf().setAppName("wordCount").setMaster("local");
        JavaSparkContext javaSparkContext = new JavaSparkContext(sparkConf);

        //读取数据
        JavaRDD<String> lines = javaSparkContext.textFile("data/input/word.txt");

        //扁平化
        JavaRDD<String> wordRDD = lines.flatMap(new FlatMapFunction<String, String>() {
            @Override
            public Iterator<String> call(String line) throws Exception {
                return Arrays.asList(line.split(" ")).iterator();
            }
        });

        //计数
        //聚合
        //PairFunction<传入参数,传出参数,传出参数>
        //PairFunction<word,word,1>
        JavaPairRDD<String, Integer> wordAndOneRDD = wordRDD.mapToPair(new PairFunction<String, String, Integer>() {
            @Override
            public Tuple2<String, Integer> call(String word) throws Exception {
                return new Tuple2<>(word, 1);
            }
        });

        //聚合
        //Tuple的值是integer
        //Function2<Tuple1.value, Tuple2.value, 结果>
        JavaPairRDD<String, Integer> wordCountRDD = wordAndOneRDD.reduceByKey(new Function2<Integer, Integer, Integer>() {
            @Override
            public Integer call(Integer v1, Integer v2) throws Exception {
                return v1 + v2;
            }
        });

        //调换顺序
        //<word,count>  ->  <count,word>
        JavaPairRDD<Integer, String> countWordRDD = wordCountRDD.mapToPair(new PairFunction<Tuple2<String, Integer>, Integer, String>() {
            @Override
            public Tuple2<Integer, String> call(Tuple2<String, Integer> tp) throws Exception {
                return tp.swap();
            }
        });

        //排序
        JavaPairRDD<Integer, String> countWordSortRDD = countWordRDD.sortByKey(false);

        // <count,word> ->  <word,count>
        JavaPairRDD<String, Integer> resultRDD = countWordSortRDD.mapToPair(new PairFunction<Tuple2<Integer, String>, String, Integer>() {
            @Override
            public Tuple2<String, Integer> call(Tuple2<Integer, String> tp) throws Exception {
                return tp.swap();
            }
        });

        //打印
        resultRDD.collect().forEach(o -> System.out.println(o));

        //关闭连接
        javaSparkContext.stop();

    }


}

3 JAVA LAMBADA CODE

package com.rosh.spark.wc;

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 scala.Tuple2;

import java.util.Arrays;

public class LambadaWordCount {

    public static void main(String[] args) {

        //创建spark上下文
        SparkConf sparkConf = new SparkConf().setAppName("wordCount").setMaster("local");
        JavaSparkContext javaSparkContext = new JavaSparkContext(sparkConf);
        //读取数据
        JavaRDD<String> lines = javaSparkContext.textFile("data/input/word.txt");
        //扁平化
        JavaRDD<String> wordRDD = lines.flatMap(line -> Arrays.asList(line.split(" ")).iterator());
        //wordToOne
        JavaPairRDD<String, Integer> wordToOneRDD = wordRDD.mapToPair(word -> new Tuple2<>(word, 1));
        //聚合
        JavaPairRDD<String, Integer> wordCountRDD = wordToOneRDD.reduceByKey((c1, c2) -> c1 + c2);
        //交换顺序 (word,count) -> (count,word)
        JavaPairRDD<Integer, String> countWordRDD = wordCountRDD.mapToPair(tp -> tp.swap());
        //排序
        JavaPairRDD<Integer, String> coutWordSortedRDD = countWordRDD.sortByKey(false);
        //交换
        JavaPairRDD<String, Integer> resultRDD = coutWordSortedRDD.mapToPair(tp -> tp.swap());
        //打印
        resultRDD.collect().forEach(o -> System.out.println(o));

        //关闭连接
        javaSparkContext.stop();

    }

}

在这里插入图片描述

### Spark算子在JAVA命令行中的使用方法及相关示例 以下是关于如何在 Java 命令行环境中使用 Spark 算子的相关说明以及具体示例: #### 1. 配置开发环境 为了能够在命令行中运行基于 JavaSpark 应用程序,首先需要完成以下准备工作: - 安装 JDK 和 Maven 工具。 - 创建一个 Maven 项目并引入必要的依赖项。 Maven `pom.xml` 文件应包含如下依赖项以支持 Spark 功能[^1]: ```xml <dependencies> <!-- Apache Spark Core --> <dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-core_2.12</artifactId> <version>3.0.0</version> </dependency> <!-- Logging Dependencies (Optional but recommended) --> <dependency> <groupId>org.slf4j</groupId> <artifactId>slf4j-api</artifactId> <version>1.7.30</version> </dependency> <dependency> <groupId>org.slf4j</groupId> <artifactId>slf4j-simple</artifactId> <version>1.7.30</version> </dependency> </dependencies> ``` #### 2. 编写 Java 程序 下面是一个简单的 WordCount 示例,展示如何通过 Java 使用 Spark 提供的算子来处理数据集[^2]: ```java 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 java.util.Arrays; import java.util.List; import scala.Tuple2; public class SparkWordCount { public static void main(String[] args) { // 初始化 Spark 配置和上下文 SparkConf conf = new SparkConf() .setAppName("JavaWordCountExample") .setMaster("local"); // 设置本地模式运行 try (JavaSparkContext sc = new JavaSparkContext(conf)) { // 准备输入数据 List<String> data = Arrays.asList( "hello spark", "hello world", "word count example" ); JavaRDD<String> lines = sc.parallelize(data); // 执行 map-reduce 流程 JavaRDD<String> words = lines.flatMap(line -> Arrays.asList(line.split("\\s+")).iterator()); JavaPairRDD<String, Integer> wordPairs = words.mapToPair(word -> new Tuple2<>(word, 1)); JavaPairRDD<String, Integer> wordCounts = wordPairs.reduceByKey((a, b) -> a + b); // 输出结果到控制台 System.out.println("Word counts:"); wordCounts.foreach(tuple -> System.out.println(tuple._1() + ": " + tuple._2())); } } } ``` 此代码片段展示了如何利用 Spark 中的核心算子(如 `flatMap`, `mapToPair`, 和 `reduceByKey`),从而实现单词计数功能。它还演示了如何初始化 Spark 上下文,并将字符串列表作为输入源进行分布式计算[^2]。 #### 3. 构建与执行应用程序 构建该应用可以借助 Maven 来完成编译打包操作,在项目的根目录下运行以下命令即可生成可执行 JAR 文件[^1]: ```bash mvn clean package -DskipTests=true ``` 随后可以通过提交脚本启动 Spark Job,例如在本地测试环境下可以直接调用 `spark-submit` 命令[^3]: ```bash spark-submit --class com.example.SparkWordCount \ --master local \ target/your-application-name.jar ``` 这里需要注意的是替换路径参数为实际生成 jar 包的位置信息。 ---
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

打赏作者

响彻天堂丶

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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