欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

spark学习笔记【一】- 搭建spark开发环境【原创】

程序员文章站 2022-06-13 19:58:01
...
    在去年写完大数据学习笔记(七)-运行spark脚本【原创】之后,由于工作比较忙,且大数据在负责的项目中一时用不上,所以没有继续学习。
    这一篇是新的开始,主要学习使用spark的进行开发。
    spark的源码是scala写的,scala是与Java很像的一种语言,也是基于jvm运行的。spark提供了scala和java的开发包,因此可以使用java和scala来开发spark应用。
    以下介绍开发环境搭建与demo的编写:
    一)开发环境搭建
    1)安装jdk1.8
    2)到ScalaIDE官网下载集成好的eclipse
       http://scala-ide.org/download/sdk.html
    3) 解压下载好的包即可使用
    至此,我们可以使用下载的eclipse集成环境开发java和scala版本的spark程序
    二)java demo
    1) 使用maven创建java工程,并添加依赖
   
       <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>cn.gov.zjport.demo</groupId>
  <artifactId>demo-spark</artifactId>
  <version>0.0.1-SNAPSHOT</version>
  
  <dependencies>
    <dependency>
      <groupId>org.apache.spark</groupId>
      <artifactId>spark-core_2.11</artifactId>
      <version>2.2.0</version>
    </dependency>

    <dependency> 
      <groupId>org.apache.spark</groupId>
      <artifactId>spark-launcher_2.11</artifactId>
      <version>2.2.0</version>
    </dependency>

    <dependency> 
      <groupId>org.apache.spark</groupId>
      <artifactId>spark-sql_2.11</artifactId>
      <version>2.2.0</version>
    </dependency>    
  </dependencies>  
  
</project>
    


   2)java代码
package cn.gov.zjport.demo.spark;

import java.util.Arrays;
import java.util.List;

import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.api.java.function.Function2;

public class SparkLocalCollection {
	public static void main(String[] args) {
		//初始化
		SparkConf conf=new SparkConf().setAppName("SparkLocalCollection").setMaster("local");
		JavaSparkContext sparkContext=new JavaSparkContext(conf);
		
		try{
			List<Integer> list=Arrays.asList(1,2,3,4,5,6,7,8,9,10);
			//创建RDD
			JavaRDD<Integer> rdd=sparkContext.parallelize(list);
			//执行reduce action操作
			int sum=rdd.reduce(new Function2<Integer, Integer, Integer>(){
				private static final long serialVersionUID = 1L;
		
				public Integer call(Integer arg0, Integer arg1) throws Exception {
					return arg0+arg1;
				}
				
			});
			
			System.out.println("add result:"+sum);
		}finally{
			sparkContext.close();
		}
	}
}



3)运行 run as -> Java Application
spark学习笔记【一】- 搭建spark开发环境【原创】
            
    
    博客分类: 大数据 sparkjavascala环境搭建 

三)scala demo
1)新建一个maven工程,并添加依赖
<properties>
    <maven.compiler.source>1.8</maven.compiler.source>
    <maven.compiler.target>1.8</maven.compiler.target>
    <encoding>UTF-8</encoding>
    <scala.version>2.11.11</scala.version>
    <scala.compat.version>2.11</scala.compat.version>
    <spec2.version>4.2.0</spec2.version>
  </properties>

  <dependencies>
    <dependency>
      <groupId>org.scala-lang</groupId>
      <artifactId>scala-library</artifactId>
      <version>${scala.version}</version>
    </dependency>
 
    <dependency>
      <groupId>org.apache.spark</groupId>
      <artifactId>spark-core_2.11</artifactId>
      <version>2.3.0</version>
    </dependency>

    <dependency> 
      <groupId>org.apache.spark</groupId>
      <artifactId>spark-launcher_2.11</artifactId>
      <version>2.3.0</version>
    </dependency>

    <dependency> 
      <groupId>org.apache.spark</groupId>
      <artifactId>spark-sql_2.11</artifactId>
      <version>2.3.0</version>
    </dependency>    
  </dependencies>


2)将工程改为scala工程
spark学习笔记【一】- 搭建spark开发环境【原创】
            
    
    博客分类: 大数据 sparkjavascala环境搭建 

3)编写scala程序
package cn.gov.zjport.demo.spark

import org.apache.spark.SparkConf
import org.apache.spark.SparkContext

object SparkLocalCollection {
    def main(args:Array[String]){
      //初始化
      var array=Array(1,2,3,4,5,6,7,8,9,10);
      var conf=new SparkConf().setAppName("SparkLocalCollection").setMaster("local");
      var sc=new SparkContext(conf);
      try{
        //先并行化处理成RDD,然后执行reduce操作
        var count=sc.parallelize(array, 1).reduce(_+_);
        println("count is:"+count);
      }finally{
        sc.stop();
      }
    }
}


4)运行 Run As -> Scala Application
spark学习笔记【一】- 搭建spark开发环境【原创】
            
    
    博客分类: 大数据 sparkjavascala环境搭建 

5)初学者常见问题:
a)为什么我没有run as->scala application
  可能是没有定义为object,而是定义成class, class是无法运行的。 同时必须有main方法
b)运行时提示找不到主类 SparkLocalCollection
  需要按F5 或者使用maven编译一下
  • spark学习笔记【一】- 搭建spark开发环境【原创】
            
    
    博客分类: 大数据 sparkjavascala环境搭建 
  • 大小: 16.9 KB
  • spark学习笔记【一】- 搭建spark开发环境【原创】
            
    
    博客分类: 大数据 sparkjavascala环境搭建 
  • 大小: 16.8 KB
  • spark学习笔记【一】- 搭建spark开发环境【原创】
            
    
    博客分类: 大数据 sparkjavascala环境搭建 
  • 大小: 34.5 KB