Spark在Yarn上运行Wordcount程序-白红宇

Spark在Yarn上运行Wordcount程序

阅读量：4925 次

发布时间：2019-06-11

本文共 3037 字，大约阅读时间需要 10 分钟。

前提条件

1.CDH安装spark服务

2.下载IntelliJ IDEA编写WorkCount程序

3.上传到spark集群执行

一.下载IntellJ IDEA编写Java程序

1.下载IDEA

官网地址：http://www.jetbrains.com/idea/ 下载IntlliJ IDEA后，进行安装。

2.新建Java项目

1.点击File

2.点击New Project

3.点击Java

注意:Project SDK要选择本机安装的JDK的位置，由于我的JDK是1.7,所以下面的Java EE version我选择的是Java EE 7

4.点击Next后，出现如下界面,勾选Create project from template,然后点击Next

5.点击Next，填写相应的项目名称，package等相关信息

6.点击Finish,，出现如下界面，右键选择Refactor->Rename修改类名为自己想要的类名即可。

7.添加spark-assembly-1.3.0-cdh5.4.2-hadoop2.6.0-cdh5.4.2.jar到项目中

7.1创建名称为lib的目录

7.2将spark-assembly-1.3.0-cdh5.4.2-hadoop2.6.0-cdh5.4.2.jar (在spark集群的位置为:/usr/lib/spark/assembly/lib目录下)copy到lib目录下

然后右键点击jar包选择add Library，完成该动作后，在项目中就可以引用此jar包中的类了。

8.用Java实现WordCount功能

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.List;import java.util.regex.Pattern;public final class JavaWordCount {    private static final Pattern SPACE = Pattern.compile(" ");    public static void main(String[] args) {       if(args.length<1){           System.err.print("Usage:JavaWordCount
     
      ");           System.exit(1);       }        SparkConf sparkConf = new SparkConf().setAppName("JavaWordCount");        JavaSparkContext ctx = new JavaSparkContext(sparkConf);        JavaRDD
      
        lines = ctx.textFile(args[0],1);        System.out.println(System.getenv("SPARK_HOME"));        JavaRDD
       
         words = lines.flatMap(new FlatMapFunction
        
         () {            @Override            public Iterable
         
           call(String s) throws Exception {               return Arrays.asList(SPACE.split(s));            }        });        JavaPairRDD
          
            ones = words.mapToPair(new PairFunction
           
            () { @Override public Tuple2
            
              call(String s) throws Exception { return new Tuple2
             
              (s,1); } }); JavaPairRDD
              
                counts = ones.reduceByKey(new Function2
               
                () { @Override public Integer call(Integer i1, Integer i2) throws Exception { return i1+i2; } }); List
                
                 
                  > output = counts.collect(); for (Tuple2
                   tuple : output) { System.out.println(tuple._1() + ": " + tuple._2()); } ctx.stop(); }}

9.打成jar包

9.1点击File

9.2选择Project Structure

9.3选择Artifacts

可修改右边Name生成jar包的名称

9.4点击OK，完成生成jar包，可在对应的目录下找到刚才生成的jar包

10.将生成的jar包上传到spark某个目录下

11.spark-submit --master yarn-client --name JavaWordCount --class JavaWordCount --executor-memory 1G --total-executor-cores 2 /etc/spark/JavaWordCount.jar hdfs://master:8020/suajing/install.log

其中，红色标注部分根据实际的项目进行修改，

我的项目名称为JavaWordCount，则--name 为JavaWordCount，

我的Class没有pacakage，如果你的class是在某个pacakage底下，则需要将class修改成包+类名全路径，例如：com.gosun.JavaWordCount。

我的jar包放在/etc/spark/目录下，写成/etc/spark/JavaWordCount.jar

hdfs上的文件路径为上面所示。

12.执行结果:未报错就表示执行成功了，可以看到如下统计的结果

转载于:https://www.cnblogs.com/jingblogs/p/5513027.html

你可能感兴趣的文章