云计算 - 4 - Spark的安装与应用

---

目标

实现 Linux 中 Spark 的安装与应用。

Spark 的安装：

1、下载配置 Scala

1.1 下载 Scala

创建文件夹 scala 用于安装 scala，通过 wget 下载 tar 包，然后解包安装 scala。
wget https://downloads.lightbend.com/scala/2.10.7/scala-2.10.7.tgz

tar -zxvf scala-2.10.7.taz

1.2 配置 Scala 的路径

通过修改 .bash_profile 文件来配置 Scala 路径，并使用 source 命令使其生效。

1.3 测试 Scala 是否安装完成

使用 scala -version 命令，若能正常显示，即说明安装配置成功。

2、下载配置Spark

2.1 下载Spark

类似于 Scala 的下载安装方式，同样使用 wget 下载 tar 包，然后解包，安装 Spark。
因下载时间过长，后面改为导入 tar 包安装。
wget https://archive.apache.org/dist/spark/spark-1.6.1/spark-1.6.1-bin-hadoop2.6.tgz

tar -zvxf spark-1.6.1-bin-hadoop2.6.tgz

2.2 配置 Spark 的路径

通过修改 .bash_profile 文件来配置 Spark 路径，并使用 source 命令使其生效

2.3 修改 Spark 的配置文件

进入spark 的安装目录，转到 conf 目录中，创建并修改 slaves 文件，默认数据节点改为 DataNode-1

cd conf/
mv slaves.template slaves
vi slaves

mv spark-env.sh.template spark-env.sh
vi	spark-env.sh

3、将文件复制到子节点

scp -r /home/spark/spark-1.6.1-bin-hadoop2.6 root@DataNode-1:/home/spark/
scp -r /home/scala/scala-2.10.7 root@DataNode-1:/home/scala/
scp ~/.bash_profile root@DataNode-1:~/.bash_profile

4、启动Spark

5、测试Spark

运行 spark 自带的 wordcount 程序进行测试

5.1 创建测试文件

创建一个 .txt 文件，输入一些字符，传入 HDFS 文件系统作为测试

5.2 运行 WordCount 程序，得到结果

/home/spark/spark-1.6.1-bin-hadoop2.6/bin/run-exampleorg.apache.spark.examples.JavaWordCount hdfs://NameNode-1:9000/test111.txt

Spark 的应用：

1、计算 pagerank

1.1 进入 spark-shell 交互式环境

1.2 编写程序

输入pagerank计算程序，如下：

import org.apache.spark.HashPartitioner
 
val links = sc.parallelize(List(("A",List("B","C")),("B",List("A","C")),("C",List("A","B", "D")),("D",List("C")))).partitionBy(new HashPartitioner(100)).persist()
 
var ranks=links.mapValues(v=>1.0)
 
for (i <- 0 until 10) {
val contributions=links.join(ranks).flatMap {
case (pageId,(links,rank)) => links.map(dest=>(dest,rank/links.size))
}
ranks=contributions.reduceByKey((x,y)=>x+y).mapValues(v=>0.15+0.85*v)
}
 
ranks.sortByKey().collect()

1.3 记录结果

运行程序，查看结果。

即：

(A,0.9850243302878132), 
(B,0.9850243302878132), 
(C,1.4621033282930214), 
(D,0.5678480111313515)

符合预期。

2、WordCount

2.1 编写测试文件

编写一个 .txt 文件作为 WordCount 的输入，传入 hdfs 文件系统中。

2.2 进入 spark-shell 交互式环境

同上一步 pagerank 1.1 中，进入 spark-shell 交互式环境。

2.3 输入 WordCount 程序

var input = sc.textFile("/NOTICE.txt")
input.flatMap(x=>x.split(" ")).countByValue()

2.4 记录结果

运行程序，查看结果。

即：world -> 2, a -> 1, java -> 2, b -> 1, python -> 2, c -> 1, hello -> 2, d -> 1
符合预期。