使用scala编写一个简单实例到spark集群运行

实际工作上很少在虚拟机上直接使用spark-shell去编写程序，更多的是在IDEA等编辑器上将写好的程序打包，使用spark-submit提交到集群上去执行。

我们使用scala去编写程序，不会的自己百度学下，不解释。

1，安装jdk

   因为scala也是运行在jvm上的，所以需要安装jdk。（jdk安装方法不解释，自己百度,建议安装1.7以上版本）

2，安装scala

笔者安装的是scala 2.10.6版本，需要jdk1.7及以上版本支持。

提供一个可参考的scala下载地址 https://www.scala-lang.org/download/2.10.6.html （方便起见建议下载windows msi版直接安装）

设置系统变量，添加一个SCALA_HOME,设置值为SCALA指定的安装目录，

在Path路径的末尾加

 ;%SCALA_HOME%\bin;%SCALA_HOME%\jre\bin;

在CLASSPATH路径末尾添加 

;%SCALA_HOME%\bin;%SCALA_HOME%\lib\dt.jar;%SCALA_HOME%\lib\tools.jar.;

配置后按 win + R 输入cmd 召唤窗口输入 scala -version ，查看是否配置安装成功。

3，在IDEA上使用编写程序

创建一个maven项目，创建过程不解释，提供一个我的 pom.xml文件

    4.0.0

    cn.itcast.spark
    hello-spark
    1.0

    
        1.7
        1.7
        UTF-8
        2.10.6
        1.6.1
        2.6.4
    

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

        
            org.apache.spark
            spark-core_2.10
            ${spark.version}
        

        
            org.apache.hadoop
            hadoop-client
            ${hadoop.version}
        
    

    
        src/main/scala
        src/test/scala
        
            
                net.alchim31.maven
                scala-maven-plugin
                3.2.2
                
                    
                        
                            compile
                            testCompile
                        
                        
                            
                                -make:transitive
                                -dependencyfile
                                ${project.build.directory}/.scala_dependencies
                            
                        
                    
                
            

            
                org.apache.maven.plugins
                maven-shade-plugin
                2.4.3
                
                    
                        package
                        
                            shade
                        
                        
                            
                                
                                    *:*
                                    
                                        META-INF/*.SF
                                        META-INF/*.DSA
                                        META-INF/*.RSA
                                    
                                
                            
                        
                    
                
            
        
    

编写一个wordCount小程序，代码如下：

package cn.itcast.spark
import org.apache.spark. {SparkConf, SparkContext}
/**
  * Created by mrwanghc on 2018/7/17.
  */
object WordCount {
  def main(args: Array[String]) {
    val conf = new SparkConf().setAppName("WC")
    val sc = new SparkContext(conf)
    sc.textFile(args(0)).flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).sortBy(_._2,false).saveAsTextFile(args(1))
    sc.stop()
  }
}

写完后将项目打包：

这里会生成两个包，一个是只包含代码的简洁包，另一个是包含jar包依赖的大包，保险起见我们使用打包即可。

将包上传到spark集群上, spark集群的搭建启动这里不解释，之前文章有详解，请自行查看。

在spark目录下输入命令

bin/spark-submit --master spark://weekend02:7077 --class cn.itcast.spark.WordCount --executor-memory 512m --total-executor-cores 2 /home/bigdata/hello-spark-1.0.jar hdfs://weekend02:9000/wc hdfs://weekend02:9000/out2

--master 指定集群master

--class 指定类所在地址

--executor-memory 512m 指定每个work运行内存为512m

--total-executor-cores 2    指定总共提供2个核处理给所有work

/home/bigdata/hello-spark-1.0.jar 提供上传的jar包所在目录

hdfs://weekend02:9000/wc         提供所需分析的文件所在hdfs中的目录

hdfs://weekend02:9000/out2      提供处理完后的文件要放到hdfs中某目录

输入完这条命令回车运行，若不报错，则完活！