Idea 使用Maven创建Spark WordCount 案例

文章出处 http://blog.csdn.net/whzhaochao/article/details/72358215

写在前面

一直想学习一下大数相关知识，之前感觉门槛有点高，跑一个HelloWorld需要安装配置一大堆东西，最近有点时间，重新想学习一下大数据相关知识，这次我选择了Scala+Spark，感觉入门比较容易，也是现在大数据主流使用的技术吧，想升职加薪，撑握大数据分析还是很有必要的！

Maven选择

Scala环境搭建主要是两种方式一种是传统的Maven还有一种是Sbt，不过使用Sbt一直都是慢爆了，找了很多解决方法还是很慢，所以Maven是个很好的替代品，从Java过来的应该都会

创建项目

1.使用Idea创建新的Maven项目，勾选Create from archetype 然后选择canel-archetype-scala,如下图所示

2.这个archetype会生成很多我们用不到的东西，所以删除Pom中不需要的东西，使用如下pom配置 ，然后再删除项目中自动生成的类

<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/maven-v4_0_0.xsd">
  <modelVersion>4.0.0modelVersion>
  <groupId>com.sparkgroupId>
  <artifactId>helloSparkartifactId>
  <packaging>jarpackaging>
  <version>1.0-SNAPSHOTversion>
  <name>A Camel Scala Routename>
  <dependencies>
    <dependency>
      <groupId>org.apache.sparkgroupId>
      <artifactId>spark-core_2.11artifactId>
      <version>2.0.0version>
    dependency>
  dependencies>
  <build>
    <sourceDirectory>src/main/scalasourceDirectory>
    <plugins>
      <plugin>
        <groupId>net.alchim31.mavengroupId>
        <artifactId>scala-maven-pluginartifactId>
        <version>3.2.0version>
      plugin>
    plugins>
  build>
project>

3.创建我们自己的helloSpark.scala

package com.spark
import org.apache.spark.{SparkConf, SparkContext}

object helloSpark {
  def main(args: Array[String]): Unit = {
    //设置本机Spark配置
    val conf = new SparkConf().setAppName("wordCount").setMaster("local")
    //创建Spark上下
    val sc = new SparkContext(conf)
    //从文件中获取数据
    val input = sc.textFile("D:\\data\\1.txt")
    //分析并排序输出统计结果
    input.flatMap(line => line.split(" ")).map(word => (word, 1)).reduceByKey((x, y) => x + y).sortBy(_._2,false).foreach(println _)
  }
}

计算过程分析
- flatMap(line => line.split(” “)) 按安空格拆分文件中单词
- map(word => (word, 1)) 将每个词映射成 (word,1)，word是重复的
- reduceByKey((x, y) => x + y) 将key相同的单词相加得到，word不重复
- sortBy(_._2,false) 按词数量排序
- foreach(println _) 输出结题

4.输出结果

学习数据及源代码

http://git.oschina.net/whzhaochao/spark-learning