Spark学习笔记-安装部署与运行实例

先解压scala,本次选用版本scala-2.11.1
[hadoop@centos software]$ tar -xzvf scala-2.11.1.tgz
[hadoop@centos software]$ su -
[root@centos ~]# vi /etc/profile
添加如下内容:
SCALA_HOME=/home/hadoop/software/scala-2.11.1
PATH=$SCALA_HOME/bin
EXPORT SCALA_HOME
[root@centos ~]# source /etc/profile
[root@centos ~]# scala -version
Scala code runner version 2.11.1 -- Copyright 2002-2013, LAMP/EPFL

然后解压spark,本次选用版本spark-1.0.0-bin-hadoop1.tgz,这次用的是hadoop 1.0.4
[hadoop@centos software]$ tar -xzvf spark-1.0.0-bin-hadoop1.tgz
进入到spark的conf目录下
[hadoop@centos conf]$ cp spark-env.sh.template spark-env.sh
[hadoop@centos conf]$ vi spark-env.sh
添加如下内容:
export SCALA_HOME=/home/hadoop/software/scala-2.11.1
export SPARK_MASTER_IP=centos.host1
export SPARK_WORKER_MEMORY=2G
export JAVA_HOME=/usr/software/jdk

如果是要集群安装部署的话,需要修改文件conf/slaves,添加要作为worker的主机
然后将spark-1.0.0-bin-hadoop1目录拷贝到相应主机上,注意目录要一致。

启动
[hadoop@centos spark-1.0.0-bin-hadoop1]$ sbin/start-master.sh
可以通过 http://centos.host1:8080/ 看到对应界面
[hadoop@centos spark-1.0.0-bin-hadoop1]$ sbin/start-slaves.sh spark://centos.host1:7077
可以通过 http://centos.host1:8081/ 看到对应界面

下面在spark上运行第一个例子:与Hadoop交互的WordCount
首先将word.txt文件上传到HDFS上,这里路径是 hdfs://centos.host1:9000/user/hadoop/data/wordcount/001/word.txt
进入交互模式
[hadoop@centos spark-1.0.0-bin-hadoop1]$ master=spark://centos.host1:7077 ./bin/spark-shell
scala>val file=sc.textFile("hdfs://centos.host1:9000/user/hadoop/data/wordcount/001/word.txt")  
scala>val count=file.flatMap(line=>line.split(" ")).map(word=>(word,1)).reduceByKey(_+_) 
scala>count.collect()

可以看到控制台有如下结果:
res0: Array[(String, Int)] = Array((hive,2), (zookeeper,1), (pig,1), (spark,1), (hadoop,4), (hbase,2))

同时也可以将结果保存到HDFS上
scala>count.saveAsTextFile("hdfs://centos.host1:9000/user/hadoop/data/wordcount/001/result.txt")

接下来再来看下如何运行Java版本的WordCount
这里需要用到一个jar文件:spark-assembly-1.0.0-hadoop1.0.4.jar
WordCount代码如下:
[java]  view plain copy
  1. public class WordCount {  
  2.       
  3.     private static final Pattern SPACE = Pattern.compile(" ");  
  4.   
  5.     @SuppressWarnings("serial")  
  6.     public static void main(String[] args) throws Exception {  
  7.         if (args.length < 1) {  
  8.             System.err.println("Usage: JavaWordCount <file>");  
  9.             System.exit(1);  
  10.         }  
  11.   
  12.         SparkConf sparkConf = new SparkConf().setAppName("JavaWordCount");  
  13.         JavaSparkContext ctx = new JavaSparkContext(sparkConf);  
  14.         JavaRDD<String> lines = ctx.textFile(args[0], 1);  
  15.   
  16.         JavaRDD<String> words = lines.flatMap(new FlatMapFunction<String, String>() {  
  17.                     @Override  
  18.                     public Iterable<String> call(String s) {  
  19.                         return Arrays.asList(SPACE.split(s));  
  20.                     }  
  21.                 });  
  22.   
  23.         JavaPairRDD<String, Integer> ones = words.mapToPair(new PairFunction<String, String, Integer>() {  
  24.                     @Override  
  25.                     public Tuple2<String, Integer> call(String s) {  
  26.                         return new Tuple2<String, Integer>(s, 1);  
  27.                     }  
  28.                 });  
  29.   
  30.         JavaPairRDD<String, Integer> counts = ones.reduceByKey(new Function2<Integer, Integer, Integer>() {  
  31.                     @Override  
  32.                     public Integer call(Integer i1, Integer i2) {  
  33.                         return i1 + i2;  
  34.                     }  
  35.                 });  
  36.   
  37.         List<Tuple2<String, Integer>> output = counts.collect();  
  38.         for (Tuple2<?, ?> tuple : output) {  
  39.             System.out.println(tuple._1() + " : " + tuple._2());  
  40.         }  
  41.           
  42.         ctx.stop();  
  43.     }  
  44. }  
导出类文件生成jar包,这里生成为mining.jar。然后执行下面命令,其中--class 指定主类,--master 指定spark master地址,后面是执行的jar和需要的参数。

[hadoop@centos spark-1.0.0-bin-hadoop1]$ bin/spark-submit --class org.project.modules.spark.java.WordCount --master spark://centos.host1:7077 /home/hadoop/project/mining.jar hdfs://centos.host1:9000/user/hadoop/data/wordcount/001/word.txt

可以看到控制台有如下结果:
spark : 1
hive : 2
hadoop : 4
zookeeper : 1
pig : 1
hbase : 2

最后再来看下如何运行Python版本的WordCount
WordCount代码如下:
[python]  view plain copy
  1. import sys  
  2. from operator import add  
  3.   
  4. from pyspark import SparkContext  
  5.   
  6. if __name__ == "__main__":  
  7.     if len(sys.argv) != 2:  
  8.         print >> sys.stderr, "Usage: wordcount <file>"  
  9.         exit(-1)  
  10.     sc = SparkContext(appName="PythonWordCount")  
  11.     lines = sc.textFile(sys.argv[1], 1)  
  12.     counts = lines.flatMap(lambda x: x.split(' ')) \  
  13.                   .map(lambda x: (x, 1)) \  
  14.                   .reduceByKey(add)  
  15.     output = counts.collect()  
  16.     for (word, count) in output:  
  17.         print "%s: %i" % (word, count)  
输入文件路径可以是本地也可以是HDFS上文件,命令如下:
[hadoop@centos spark-1.0.0-bin-hadoop1]$ bin/spark-submit --master spark://centos.host1:7077 /home/hadoop/project/WordCount.py /home/hadoop/temp/word.txt 

[hadoop@centos spark-1.0.0-bin-hadoop1]$ bin/spark-submit --master spark://centos.host1:7077 /home/hadoop/project/WordCount.py hdfs://centos.host1:9000/user/hadoop/data/wordcount/001/word.txt 

可以看到控制台有如下结果:
spark: 1
hbase: 2
hive: 2
zookeeper: 1
hadoop: 4
pig: 1

版权声明:本文为博主原创文章,未经博主允许不得转载。

你可能感兴趣的:(Spark学习笔记-安装部署与运行实例)