Word Count示例

scala版:
import org.apache.spark.{SparkConf, SparkContext}

object WordCount {
    def main(args: Array[String]) {
        /**
          * 创建spark的配置对象SparkConf,设置Spark程序运行时的配置信息。
          */
        val conf = new SparkConf()      //创建SparkConf对象,这是全局唯一的。
        conf.setAppName("Word Count")    //设置应用程序的名称,在程序运行的监控界面可以看到名称
        conf.setMaster("local[2]")   //此时程序在本地运行,2个线程,一个监听,一个处理数据
        
        /**
          * 根据SparkConf创建SparkContext对象。
          * SparkContext是Spark程序所有功能的唯一入口,
          * SparkContext是整个Spark应用程序中最为重要的一个对象。
          * SparkContext核心作用:
          *     初始化应用程序运行时所需要的核心组件,包括DAGScheduler,TaskScheduler,Scheduler Backend,
          *     同时还会负责Spark程序往Master注册程序等。
          */
        val sc = new SparkContext(conf)  //通过创建SparkContext对象,通过传入SparkConf实例来定制SPark地的具体参数和配置信息。
       
        /**
          * 据具体的数据来源(/HBase/Local FS/DB/S3等)通过SparkContext创建RDD。
          * 数据会被RDD划分成为一系列的Partitions,分配到每个Partition的数据属于一个Task的处理范畴。
          */
        val lines = sc.textFile("files\\test.txt", 2)
        
        //对初始RDD进行Transformation级别的处理。
        //对每一行的字符串进行单词拆分,map每次循环一行,将每一行的小集合通过flat合并成一个大集合
        val words = lines.flatMap { line => line.split(",") }
        //在单词拆分的基础上对每个单词实例 进行计数为1,也就是word => (word,1)
        val pairs = words.map { word => (word, 1) }
        //在每个单词实例计数为1的基础上,统计每个单词在文件中出现的总次数。
        val wordCounts = pairs.reduceByKey(_ + _)
    
        //对初始RDD进行Action级别的处理。
        wordCounts.foreach(wordNumberPair => println(wordNumberPair._1 + " : " + wordNumberPair._2))
        
        sc.stop()    //释放资源
    }
}
java版:
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 org.apache.spark.api.java.function.VoidFunction;
import scala.Tuple2;
import java.util.Arrays;

public class WordCount {
    public static void main(String[] args) {

        SparkConf conf = new SparkConf().setAppName("WordCount").setMaster("local");
        
        JavaSparkContext sc = new JavaSparkContext(conf); //其底层实际上就是Scala的SparkContext
        
        JavaRDD<String> lines = sc.textFile("files\\test.txt", 2);
        
        JavaRDD<String> words = lines.flatMap(new FlatMapFunction<String, String>() {
            @Override
            public Iterable<String> call(String line) throws Exception {
                return Arrays.asList(line.split(","));
            }
        });
        JavaPairRDD<String, Integer> pairs = words.mapToPair(new PairFunction<String, String, Integer>() {
            @Override
            public Tuple2<String, Integer> call(String word) throws Exception {
                return new Tuple2<String, Integer>(word, 1);
            }
        });
        JavaPairRDD<String, Integer> wordsCount = pairs.reduceByKey(new Function2<Integer, Integer, Integer>() {
            //对相同的Key,进行Value的累计(包括Local和Reducer级别同时Reduce)
            @Override
            public Integer call(Integer v1, Integer v2) throws Exception {
                return v1 + v2;
            }
        });
        
        wordsCount.foreach(new VoidFunction<Tuple2<String, Integer>>() {
            @Override
            public void call(Tuple2<String, Integer> pairs) throws Exception {
                System.out.println(pairs._1 + " : " + pairs._2);

            }
        });

        sc.stop();
    }
}
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
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