spark初始 (一)

spark初识（一）：

**
1、官网的spark包中pre-build with user provider与pre-build for Apache hadoop3.2什么区别？
2、spark是否使用是否必须安装hadoop？
3、第一个wordcount例子提交集群
**

开始解惑(单纯个人理解)：

1、spark的下载包区别，spark是否使用是否必须安装hadoop？
**
我的理解是两个包（with user provider与没有）区别不是太大，假如
使用搭建spark集群的话都能使用，注意版本是否与hadoop版本一致，
为了防止其他意外发生还是版本一致即可。
注意：spark安装不需安装hadoop环境，只是两者经常配合使用，比如用到hadoop中的hdfs
**

2、wordcount提交集群例子？
scala代码

object WordCount {
  def main(args: Array[String]): Unit = {
    val sparConf = new SparkConf().setAppName("WordCount")
    val sc = new SparkContext(sparConf)
    var filepath = "data"+ File.separator +"*.txt"
    if(args.length>0){
      filepath = args(0)
    }
    val lines:RDD[String]= sc.textFile(filepath,2)

    val words:RDD[String]= lines flatMap (_.split(" "))

    val wordGroup:RDD[(String, Iterable[String])] = words.groupBy(word=>word)

    val word2count = wordGroup.map {
      case (word, list) => {
        (word, list.size)
      }
    }

    word2count.saveAsTextFile("out")
//    val array = word2count.collect()
//    val unit = array.foreach(println)
    sc.stop()
  }
}

pom.xml

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>org.example</groupId>
    <artifactId>spark-demo</artifactId>
    <version>1.0-SNAPSHOT</version>
    <build>
        <plugins>
            <plugin>
                <groupId>net.alchim31.maven</groupId>
                <artifactId>scala-maven-plugin</artifactId>
                <version>3.4.6</version>
                <executions>
                    <execution>
                        <goals>
                            <goal>compile</goal>
                            <goal>testCompile</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>

    <dependencies>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_2.12</artifactId>
            <version>3.1.1</version>
        </dependency>
    </dependencies>
</project>

提交集群

spark-submit 
--master spark://spark:7077 
--class WordCount 
wc.jar 
spark-3.1.2-bin-hadoop3.2/input/*

spark web界面显示如下

学习总结：

例如：
1、 spark集群部署只是第一步，能简单搭建个即可，不用死钻进去，毕竟开发时不是总用搭建的
2、动手试试效果最好，加深理解