使用Eclipse基于Maven使用Java开发WordCount程序项目

1.前提条件

    下载JavaEE Eclipse ，自带Maven

    安装好JDK1.8

    下载并配置了Hadoop 2.6.x

 

2.创建Maven Project

    

 

选择 Maven-archetype-quickstart 选项

    

将项目的 JRE换成 JDK1.8，点击编辑 选择 系统的1.8版本

 配置POM文件，为了以后写程序方便，pom.xml使用以下内容替换对应内容：

Ctrl+s保存后

 

Eclipse会下载 相关的Jar文件

 关于pom.xml文件的配置，可以通过以下网站（ Maven中央仓库信息速查  http://maven.outofmemory.cn/org.apache.spark/）搜索并对照修改，如要查找 spark-streaming_2.10 的依赖包的话，可以点击并对应找到。

如果下载更新时出现错误，可以点击 右键，然后选择“Quck Fix”

查看包已经正确下载了

 

3.开发程序

在src下面建立一个WordCount类，然后编写如下代码

 

/**
 * 
 */
package com.dt.spark.tempStatisticsApp.cores;

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 org.apache.spark.api.java.function.FlatMapFunction;
import org.apache.spark.api.java.function.Function2;
import org.apache.spark.api.java.function.PairFunction;
import org.apache.spark.api.java.function.VoidFunction;

import scala.Tuple2;

/**
 * @author yuming
 * ail: [email protected]
 * weibo: http://www.weibo.com/yumzhang
 */
public class WordCount {

	public static void main(String[] args) {
		
		//设置应用程序的名称和运行模式(本地)
		SparkConf conf = new SparkConf()
				.setAppName("Spark WordCount by Java.").setMaster("local");
		
		//创建Java SparkContext,
		//通往天堂之门（去集群的唯一通道）
		JavaSparkContext sc = new JavaSparkContext(conf);
		
		//使用本地数据源来创建JavaRDD
		JavaRDD<String> lines = sc.textFile("H://ScalaTraining//shell//README.md");
		
		//对初始的JavaRDD进行Transformation级别的处理，例如Map、Filter高阶函数的编程 
		//对每行进行拆分，
		JavaRDD<String> words = lines.flatMap(new FlatMapFunction<String, String>() {
			@Override
			public Iterable<String> call(String line) throws Exception { //
				return Arrays.asList(line.split(" "));
			}
		});
		
		//对单词实例进行计数为1
		JavaPairRDD<String,Integer> pairs = words.mapToPair(new PairFunction<String, String, Integer>() {
			@Override
			public Tuple2<String, Integer> call(String word) throws Exception {
				return new Tuple2<String,Integer>(word,1) ;
			}
		});
		
		// 统计每个单词在文件中出现的总次数
		JavaPairRDD<String,Integer> wordsCount = 
				pairs.reduceByKey(new Function2<Integer, Integer, Integer>() { 
				// 对相同的key，对value进行累加，可以local和reducer级别同时reduce，提高网络带宽利用率
			@Override
			public Integer call(Integer v1, Integer v2) throws Exception {
				return v1 + v2;
			}
		});
		
		wordsCount.foreach(new VoidFunction<Tuple2<String,Integer>>() {
			@Override
			public void call(Tuple2<String, Integer> pairs) throws Exception {
				System.out.println(pairs._1 + ":" + pairs._2);
			}
		}); 
		//关闭sc上下文
		sc.close();
	}
}

 

Run As Java Application

 

 

5.后续：

如果程序运行时能够正常出现结果 ，但是会 运行时报错：

  在Hadoop的bin目录中放上，这两个文件，就解决问题了(访问我的百度云：  http://pan.baidu.com/s/1eRwh1XC )

 

再次执行不再报错误信息。