Spark集羣運行WordCount程序,程序基本同練習(一),區別在於註釋//.setMaster("local[*]"),改爲集羣運行,
將註釋打開,res.saveAsTextFile(args(1)),保存結果到文件,具體程序如下:
package cn.allengao.hellospark
import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}
/*
參數設置:
Name:SparkWC
Name class:cn.allengao.hellospark.SparkWC
arguments: hdfs://hadoop001:9000/user/hadoop/input/wc hdfs://hadoop001:9000/output/wc
*/
object SparkWC {
def main(args: Array[String]): Unit = {
//配置信息類
val conf :SparkConf = new SparkConf().setAppName("SparkWC")//.setMaster("local[*]")
//上下文對象
val sc: SparkContext = new SparkContext(conf)
//讀取數據
val lines = sc.textFile(args(0))
//處理數據
val words: RDD[String] = lines.flatMap(_.split(" "))
val paired: RDD[(String, Int)] = words.map((_, 1))
//把相同key的value值聚合到一起。
val reduced: RDD[(String, Int)] = paired.reduceByKey(_+_)
//以value作爲排序方式,false表示倒序排列,true表示正序排列
val res: RDD[(String, Int)] = reduced.sortBy(_._2, false)
//保存
res.saveAsTextFile(args(1))
// toBuffer轉換成可變數組,就可以打印出來了。
// println(res.collect().toBuffer)
//結束任務
sc.stop()
}
}
將程序進行打包。
將打好的包上傳到spark集羣中。
啓動hadoop,啓動spark。
進入安裝好的hadoop目錄,執行 ./sbin/start-dfs.sh ./sbin/start-yarn.sh ,啓動hadoop集羣。
進入安裝好的spark目錄,執行./sbin/start-all.sh ,啓動spark集羣。
在spark中運行命令,首先確定入口類,cn.allengao.hellospark.SparkWC ,指定master的地址,指定需要多大的內存運行,指定集羣運行需要的核數cores,指定運行的jar包,指定讀取數據路徑,輸出數據路徑。
./spark-submit --class cn.allengao.hellospark.SparkWC --master spark://hadoop001:7077 --executor-memory 512M --total-executor-cores 2 /home/hadoop/app/hello-spark-1.0.jar hdfs://hadoop001:9000/user/hadoop/input/wc hdfs://hadoop001:9000/output/wc
之後開始運行。運行結果如下:
啓動瀏覽器,輸入http://192.168.119.51:8080 ,可以看到運行成功的項目如下:
啓動瀏覽器,輸入http://192.168.119.51:50070 ,可以在Hadoop中看到運行成功的結果如下:
在centos中運行命令查看文件內容:
[hadoop@hadoop001 bin]$ hadoop fs -cat /output/wc/part-00000
(hello,9)
[hadoop@hadoop001 bin]$ hadoop fs -cat /output/wc/part-00001
(tom,3)
(java,3)
(jerry,2)
(scala,1)
至此,wordcount程序在spark集羣中運行測試完畢。