Spark,SparkSql wordCount,java wordcount

Spark SQL 版本

package com.jiangzeyun.sparkSQl;

import java.util.Arrays;
import java.util.Random;

import org.apache.spark.api.java.JavaRDD;

import org.apache.spark.sql.Dataset;
import org.apache.spark.sql.Row;
import org.apache.spark.sql.SparkSession;

/**
 * 基于 Spark Sql 的 wordcount
 * 思路:
 * 1.文件加载成 RDD
 * 2.RDD转 DataFrame
 * 3.SQL 查询就 ok 了哈哈
 * @author jiangzeyun
 *
 */
public class WordCount {
	
	public static void main(String[] args) {
		
		SparkSession spark = SparkSession
			      .builder()
			      .appName("Test DataFrame")
			      //集群模式换成 hive mestastore 地址
			     // .config("hive.metastore.uris","")
			      //集群模式换成 spark://xx:50070
			      .config("spark.master", "local")
			      .enableHiveSupport()
			      .getOrCreate();
		
		String path = "/usr/local/spark/examples/src/main/resources/README.md";
		//create RDD
		JavaRDD peopleRDD = spark.read()
				  .textFile(path)
				  .javaRDD()
				  //用 flatMap 进行转换
				  .flatMap(line->Arrays.asList(line.split(" ")).iterator())
				  .map(line -> {
				    Person person = new Person();
				    person.setName(line);
				    person.setAge(new Random().nextInt(10));
				    return person;
				  });
		
				  
		// Apply a schema to an RDD of JavaBeans to get a DataFrame
		Dataset peopleDF = spark.createDataFrame(peopleRDD, Person.class);
		// Register the DataFrame as a temporary view
		peopleDF.createOrReplaceTempView("people");
		//wordCount,展示数量最多的top100单词
		Dataset wordCount = spark.sql("SELECT name,count(*) as cnt FROM people group by name order by cnt desc limit 100");
		wordCount.show(100);
		
		

		
		
	}
}

package com.jiangzeyun.sparkSQl;

public class Person {
	
	private String name;
	  private int age;

	  public String getName() {
	    return name;
	  }

	  public void setName(String name) {
	    this.name = name;
	  }

	  public int getAge() {
	    return age;
	  }

	  public void setAge(int age) {
	    this.age = age;
	  }
	
}

运行结果如下:

运行结果如下

+-----------------+---+ |             name|cnt| +-----------------+---+ |                 | 68| |              the| 22| |            Spark| 15| |               to| 14| |              for| 11| |              and| 11| |               ##|  8| |                a|  8| |              can|  7| |              run|  7| |               in|  6| |               is|  6| |            using|  5| |               on|  5| |               of|  5| |              you|  4| |             with|  4| |              You|  4| |            build|  4| |               an|  4| |               if|  4| |             also|  4| |    documentation|  3| |          example|  3| |              one|  3| |              use|  3| |              see|  3| |           Please|  3| |        including|  3| |              For|  3| |               or|  3| |           Hadoop|  3| |         command,|  2| |              set|  2| |         programs|  2| |            tests|  2| |       particular|  2| |         guidance|  2| |           shell:|  2| |      Interactive|  2| |              how|  2| |             Hive|  2| |         building|  2| |               be|  2| |          locally|  2| |           should|  2| |         [project|  2| |       `examples`|  2| |          general|  2| |            1000:|  2| |         detailed|  2| |        following|  2| |          SparkPi|  2| |            refer|  2| |./bin/run-example|  2| |               It|  2| |               To|  2| |           return|  2| |          cluster|  2| |               do|  2| |            Scala|  2| |            class|  2| |          Hadoop,|  2| |              SQL|  2| |          Python,|  2| |         examples|  2| |           Python|  2| |               at|  2| |             that|  2| |             This|  2| |            Shell|  2| |         supports|  2| |            which|  2| |           online|  1| |           graphs|  1| |       ["Parallel|  1| |       ["Building|  1| |           thread|  1| |      abbreviated|  1| |         overview|  1| |             rich|  1| |      -DskipTests|  1| |             name|  1| |     ["Specifying|  1| |           stream|  1| |             run:|  1| |              not|  1| |  ./dev/run-tests|  1| |             will|  1| |             [run|  1| |           option|  1| |   Alternatively,|  1| |               by|  1| |             must|  1| |            MLlib|  1| |      DataFrames,|  1| |         variable|  1| |             Note|  1| |             core|  1| |             more|  1| +-----------------+---+

 

Spark 版本

package com.jiangzeyun.test;

import java.util.Arrays;

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 scala.Tuple2;
import shapeless.ops.tuple;
import sun.net.www.content.audio.wav;

/**
 * 测试wordCount
 * 运用本地模式进行测试WordCount
 * JAVA8的lambda表达式
 * @author jiangzeyun
 *
 */
public class WordCount {
	public static void main(String[] args) {
		
		if (args.length < 1) {
			System.out.println("Usage: JAVAWordCount ");
			System.exit(1);
		}
		//本地模式
		//SparkConf conf = new SparkConf().setMaster("local").setAppName("word count");
		//集群模式
		SparkConf conf = new SparkConf().setMaster("master").setAppName("word count");
		JavaSparkContext sc = new JavaSparkContext(conf);
		//本机地址
		//JavaRDD lines = sc.textFile("/usr/local/spark/README.md");
		JavaRDD lines = sc.textFile(args[0]);
		
		JavaPairRDD counts = lines.flatMap(line->Arrays.asList(line.split(" ")).iterator())
				.mapToPair(w-> new Tuple2(w, 1)).reduceByKey((x,y)->(x+y));
		counts.mapToPair(s->new Tuple2(s._2, s._1)).sortByKey(false)
		.mapToPair(s -> new Tuple2(s._2,s._1))
		.collect()
		.forEach(tuple -> System.out.println(tuple._1() +":" +tuple._2()));
		
		
		
		
		
		
	}
}