maven工程打包，单节点跑wordcount（一）

spark shell仅在测试和验证我们的程序时使用的较多，在生产环境中，通常会在IDE中编制程序，然后打成jar包，然后提交到集群，最常用的是创建一个Maven项目，利用Maven来管理jar包的依赖。首先在IDEA上编辑maven工程，在maven工程中的src填写wordcount代码，在xshell上运行（需连接集群结点），因wordcount程序运行需txt文档，因此还涉及在hdfs上的一些基本操作

一、在IDEA上编写maven（WordCount）的spark程序

1.新建maven工程，填写GroupId，ArtifactId(groupid（公司名+人名+项目名）artifactid（项目名），用maven打出的jar包，包名是artifactid中的项目)

2.将下方程序复制在Maven的pom.xml文件中

    4.0.0
    com.cai
    wordcount1
    1.0-SNAPSHOT

    
        1.7
        1.7
        UTF-8
        2.10.6
        2.10
    

    
        
            org.scala-lang
            scala-library
            ${scala.version}
        

        
            org.apache.spark
            spark-core_2.10
            1.5.2
        

        
            org.apache.spark
            spark-streaming_2.10
            1.5.2
        

        
            org.apache.hadoop
            hadoop-client
            2.6.0
        
    

    
        src/main/scala
        src/test/scala
        
            
                net.alchim31.maven
                scala-maven-plugin
                3.2.0
                
                    
                        
                            compile
                            testCompile
                        
                        
                            
                                -make:transitive
                                -dependencyfile
                                ${project.build.directory}/.scala_dependencies
                            
                        
                    
                
            
            
                org.apache.maven.plugins
                maven-surefire-plugin
                2.18.1
                
                    false
                    true
                    
                        **/*Test.*
                        **/*Suite.*
                    
                
            

            
                org.apache.maven.plugins
                maven-shade-plugin
                2.3
                
                    
                        package
                        
                            shade
                        
                        
                            
                                
                                    *:*
                                    
                                        META-INF/*.SF
                                        META-INF/*.DSA
                                        META-INF/*.RSA
                                    
                                
                            
                            
                                
                                    com.cch.WordCount.wordcount
                                
                            
                        
                    
                
            
        
    

注意：配置好pom.xml以后，点击Enable Auto-Import.坑：查看你的hadoop版本（我的是2.6.9）是否与上述pom.xml匹配，相应位置修改。

3.将src/main/java和src/test/java分别修改成src/main/scala和src/test/scala，与pom.xml中的配置保持一致（）；

4.使用Maven打包：首先修改pom.xml中的，在此处是否是程序入口，与自己程序对应，本文的程序入口是com.cai.wordcount1。之后点击idea右侧的Maven Project选项，点击Lifecycle，选择clean和package，点击RUN：

图中的程序就是wordcountspark源码

import org.apache.spark.{SparkConf, SparkContext}
object WordCount {
  def main(args: Array[String]): Unit = {
    //创建SparkConf()并且设置App的名称
    val conf = new SparkConf().setAppName("wordCount");
    //创建SparkContext,该对象是提交spark app的入口
    val sc = new SparkContext(conf);
    //使用sc创建rdd,并且执行相应的transformation和action
    sc.textFile(args(0)).flatMap(_.split(" ")).map((_ ,1)).reduceByKey(_ + _,1).sortBy(_._2,false).saveAsTextFile(args(1));
    //停止sc，结束该任务
    sc.stop();
  }
}

5.等待编译完成后，选择编译成功的jar包，并将改jar上传到Spark集群中的某个节点上，jar包在上方图片左侧target中wordcount1-1.0-SNAPSHOT.jar

二、上传到spark集群，运行程序，需用到xshell、xftp工具（首先在官网下载好）

1.打开Xshell->新建->填写链接的主机地址->新建好后输入用户名和密码，建立连接(通过xshell将你自己的电脑和服务器上的linux系统的电脑链接上)。

2.使用xftp，xftp是将本地文件传到远程Linux系统的工具，具体如下：将jar包和WordCount.txt，从做向右拖拽至/home/hdfs(自己建的文件夹)即可实现上传到远程Linux系统上。

因为我们这个程序需要统计WordCount文档中各个词的词数，提前写好了一个WordCount.txt供程序统计，本文想实现分布式存储，因此需要将WordCount.txt上传到分布式文件存储系统中hdfs，具体代码如下：

[root@data6 ~]# su hdfs                          //切换成hdfs用户（root用户没有权限）

[hdfs@data6 root]$ cd /home/hdfs/software/hadoop/bin     //切换到hadoop中的bin目录下，因为hadoop的bin文件夹是对hdfs操作的接口，这样才可以操作hdfs
[hdfs@data6 bin]$ ./hadoop fs -mkdir /inn                           //在hdfs系统上创建inn目录，这个系统使我们看不到的
[hdfs@data6 bin]$ ./hadoop fs -ls /                                      //查看创建的目录

由图片可以看出inn文件夹已经存在在hdfs系统中

[hdfs@data6 bin]$ ./hadoop fs -put /home/hdfs/WordCount.txt /inn       //将本地文件夹home中的hdfs中的WordCount.txt文件上传到inn目录下

现在需要的文档提交完了，那么只需要运行jar包了

jar包在/home/hdfs目录下，因此先将现在的目录回退到个人用户目录下
[hdfs@data6 /]$ cd ~               //通过这个命令，以后的命令行下面就变成了，即变成了[hdfs@data6 ~]$，表示的是hdfs中的个人用户
[hdfs@data6 ~]$ /home/hdfs/software/spark/bin/spark-submit --class com.bie.WordCount sparkWordCount-1.0-SNAPSHOT.jar hdfs://#########:9000/inn/WordCount.txt hdfs://#######:9000/outputc 

最后一条命令解释一下：因为在spark集群，因此先进入（spark的bin文件夹中/home/hdfs/software/spark/bin/）+（spark-submit命令）+（–class，这个表示此程序的入口，程序入口为com.bie.WordCount）+（jar包名）
+（WordCount.txt的位置，在我们集群inn文件夹中）+（这里是结果的位置，如果没有，会直接新建个目录outputc）,若运行成功，会直接显示下一条命令。

查看结果目录outputc，并查看目录下的part-00000 结果文件内容，大功告成。

原创作品。禁止转载！！！