pyspark单词计数

一、shell模式

1.1 shell本地模式

pyspark #进入shell本地模式

# 输入数据
data = ["hello", "world", "hello", "world"]

# 将collection的data转为spark中的rdd并进行操作
rdd = sc.parallelize(data)
res_rdd = rdd.map(lambda word: (word, 1)).reduceByKey(lambda a, b: a + b)

# 将rdd转为collection并打印
res_rdd_coll = res_rdd.collect()
for line in res_rdd_coll:
    print(line)    #此处加table键

注：
shell本地模式无法通过masterip：8080监控到
只能通过shell所在机器ip：4040监控到

1.2 shell集群模式

pyspark --master spark://big07:7077  #进入shell集群模式

二、集群模式

spark-submit --master spark://big07:7077 test1.py

from pyspark import SparkContext,SparkConf


conf=SparkConf()
conf.setMaster("spark://big07:7077")
conf.setAppName("test application")


sc=SparkContext(conf=conf)


# 输入数据
data = ["hello", "world", "hello", "world"]

# 将collection的data转为spark中的rdd并进行操作
rdd = sc.parallelize(data)
res_rdd = rdd.map(lambda word: (word, 1)).reduceByKey(lambda a, b: a + b)

# 将rdd转为collection并打印
res_rdd_coll = res_rdd.collect()
for line in res_rdd_coll:
    print(line)    #此处加table键


sc.close()