.Net for Spark 实现 WordCount 应用及调试入坑详解

.net for spark 实现wordcount应用及调试入坑详解

1.    概述

      ineuos云端操作系统现在具备物联网、视图业务建模、机器学习的功能，但是缺少一个计算平台产品。最近在调研使用什么语言进行开发，并且研究实现的技术路线。ineuos全系使用c#/js/css/python开发，所以优先选择c#实现计算平台的开发，当然也不排除使用scala和python等语言。最近微软发布.net for spark组件，与 .net standard 2.0 兼容，可以在 linux、macos 和 windows 系统上使用，就像 .net 的其余部分一样。在网上进行了调研，下图展示了 .net core 与 python、scala 在 tpc-h 查询集上的性能对比。如下图：

        在上看了源代码，代码质量比较高。最近两天进行了应用及测试，整体流程已经走通，感觉比较清爽。

2.系统环境

         操作系统：ubuntu 16.04

         开发语言：.net core 2.2

         计算框架：.net for spark

         开发工具：vscode

         测试工具：netcat

3.环境部署

      3.1安装 .net core 2.2

          参见安装过程：

      3.2安装 .net for spark及代码实现

         参见安装过程：

         program.cs实现的代码参见：https://github.com/dotnet/spark/blob/master/examples/microsoft.spark.csharp.examples/sql/streaming/structurednetworkwordcount.cs

     3.3安装 netcat

命令行：apt-get install netcat      

 

4.开发调试

     4.1启动netcat

    主要用于实时发送字符串，实现字符串统计。

命令行：nc -lk 9999

 

    4.2启动调试模式

    在程序集目录：hellospark/bin/debug/netcoreapp2.2下。

命令行：spark-submit --class org.apache.spark.deploy.dotnetrunner --master local microsoft-spark-2.4.x-0.3.0.jar debug

     不执行这个命令，在vscode调试的时候，会出现异常：[exception] [jvmbridge] connection refused 127.0.0.1:5567。

    4.3启动vscode调试

    在main函数的第一行增加一行测试代码：

args=new string[]{"localhost","9999"};

      主要用于连接netcat服务，接收netcat发送过来的字符串，并进行字符串统计。如下图：

     4.4调试过程

     打开“4.1启动netcat”和“4.2启动调试模式”窗口，netcat用于发送数据，调试模式窗口可以接收到数据并进行统计。如下图：

5.应用发布

      把main函数内的测试代码删除掉，在工程目录下执行命令：dotnet build，生成新的程序集。

      在程序集目录：hellospark/bin/debug/netcoreapp2.2下执行命令：

命令行：spark-submit --class org.apache.spark.deploy.dotnetrunner --master local microsoft-spark-2.4.x-0.3.0.jar dotnet hellospark.dll localhost 9999

       同样在netcat窗口发送数据，结果如下图：

6.项目合作

      承接工业物联网、大数据、工业互联网项目。官方网站（ineuos）：。

---

       项目代码下载：博客园下载