spark 本地调试运行WordCount(java版local模式)

1 背景

之前工作都是把spark程序打包好,上传到公司的集群环境后进行代码调试!一个spark程序用maven打包后往往有100M左右,上传调试很不方便。spark可以local单机运行,所以就在eclipse上搭建了一个单机调试环境。

2 环境配置

  首先需要配置java(版本:1.8)以及maven(版本:3.3.9)环境,版本不要求一致,也可使用其他java和maven版本配置开发环境。这两者配置在此不做介绍。
1. Window 7 下装hadoop 2.6.4,需要下载两个文件:
  Hadoop:hadoop-2.6.4.tar.gz
  下载地址:http://hadoop.apache.org/releases.html
  Hadoop-Common:hadoop2.6(x64)V0.2.zip(2.4以后)、(hadoop-common-2.2.0-bin-master.zip)
  下载地址:http://download.csdn.net/detail/myamor/8393459
2. 配置hadoop_home环境变量
  把hadoop-2.6.4.tar.gz解压到某个路径,如:D:\hadoop-2.6.4。新建HADOOP_HOME,并把%HADOOP_HOME%\bin加到path中。环境变量配置流程,如下图。
spark 本地调试运行WordCount(java版local模式)_第1张图片
spark 本地调试运行WordCount(java版local模式)_第2张图片
3.拷贝Hadoop-Common 下的文件
  官方下载的Apache hadoop 2.6.4的压缩包里,缺少windows下运行的链接库(hadoop.dll,winutils.exe,libwinutils.lib等)。下载Hadoop-Common后直接解压,把里面的文件全部拷贝到官方hadoop目录下的bin目录即可。
  缺少winutils.exe,否则运行会报如下错误:
  java.io.IOException: Could not locate executable D:\hadoop-2.6.4\bin\winutils.exe in the Hadoop binaries.

3 maven pom 依赖

    <dependency>
        <groupId>jdk.toolsgroupId>
        <artifactId>jdk.toolsartifactId>
        <version>1.8version>
        <scope>systemscope>
        <systemPath>${JAVA_HOME}\lib\tools.jarsystemPath>
    dependency>
    <dependency>
         <groupId>org.apache.sparkgroupId>
         <artifactId>spark-core_2.10artifactId>
         <version>1.6.1version>
     dependency>

4 代码

经典案例,词频统计。

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

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;

public class WordCount {

public static void main(String[] args) {
    SparkConf conf = new SparkConf().setMaster("local").setAppName("wordCountTest");
    JavaSparkContext sc = new JavaSparkContext(conf);
    String outputDir=args[0];

    List list=new ArrayList();
    list.add("1 1 2 a b");
    list.add("a b 1 2 3");
    JavaRDD RddList=sc.parallelize(list);

    //先切分为单词,扁平化处理
    JavaRDD flatMapRdd = RddList.flatMap(new FlatMapFunction() {
        @Override
        public Iterable call(String str) {
            return Arrays.asList(str.split(" "));
        }
    });

    //再转化为键值对
    JavaPairRDD pairRdd = flatMapRdd.mapToPair(new PairFunction() {
        public Tuple2 call(String word) throws Exception {
            return new Tuple2(word, 1);
        }
    });

    //对每个词语进行计数
    JavaPairRDD countRdd = pairRdd.reduceByKey(new Function2() {
        @Override
        public Integer call(Integer i1, Integer i2) {
            return i1 + i2;
        }
    });
    System.out.println("结果:"+countRdd.collect());
    countRdd.saveAsTextFile(outputDir);
    sc.close();
}
}

5 运行以及结果

  1. 运行:Eclipse 下Run Configuration输入参数out。注意,输出目录必须不存在,否则报错。
    spark 本地调试运行WordCount(java版local模式)_第3张图片
  2. 结果
    结果1:控制台正常输出,且不报错。
    spark 本地调试运行WordCount(java版local模式)_第4张图片
    结果2:生成一个out文件
    spark 本地调试运行WordCount(java版local模式)_第5张图片
    其中part-00000内容为:
    (a,2)
    (b,2)
    (2,2)
    (3,1)
    (1,3)

6 下载

这是jdk 1.8的工程项目,如果不是jdk1.8,需要在pom.xml 中进行修改成对应版本,然后执行 maven –>update project 命令,进行更新
http://download.csdn.net/download/xsdxs/9602880

你可能感兴趣的:(spark)