spark入门wordcount详解（JAVA）

maven依赖：

<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-core_2.10</artifactId>
    <version>1.6.0</version>
</dependency>

public class WordCount {
    public static void main(String[] args) {
        /**
         * 创建spark配置对象SparkConf，设置spark运行时配置信息，
         * 例如通过setMaster来设置程序要连接的集群的Master的URL，如果设置为local，
         * spark为本地运行
         */
        SparkConf conf = new SparkConf().setAppName("My first spark").setMaster("local");
        /**
         * 创建JavaSparkContext对象
         * SparkContext是spark所有功能的唯一入口，
         * SparkContext核心作用，初始化spark运行所需要的核心组件，同时还会负责spark程序在master的注册。
         *
         */
        JavaSparkContext sc = new JavaSparkContext(conf);
        /**
         * 根据数据来源，通过JavaSparkContext来创建RDD
         */
        JavaRDD<String> lines = sc.textFile("E:/wordcount.txt");
        /**
         * 对初始化的JavaRDD进行Transformation级别的处理，例如map，filter等高级函数的编程，来记性具体的操作
         * 1、按空格进行拆分，拆分为单词
         */
        JavaRDD<String> words = lines.flatMap(new FlatMapFunction<String, String>() {
            public Iterable<String> call(String words) throws Exception {
                return Arrays.asList(words.split(" "));
            }
        });
        /**
         * 对初始化的JavaRDD进行Transformation级别的处理，例如map，filter等高级函数的编程，来记性具体的操作
         * 2、在单词拆分的基础上，对每个单词实例进行计数为1
         */
        JavaPairRDD<String, Integer> pairs = words.mapToPair(new PairFunction<String, String, Integer>() {
            public Tuple2<String, Integer> call(String s) throws Exception {
                return new Tuple2<String, Integer>(s, 1);
            }
        });
        /**
         * 对初始化的JavaRDD进行Transformation级别的处理，例如map，filter等高级函数的编程，来记性具体的操作
         * 3、计算每个单词在文中出现的总次数
         */
        JavaPairRDD<String, Integer> pairRDD = pairs.reduceByKey(new Function2<Integer, Integer, Integer>() {
            public Integer call(Integer integer, Integer integer2) throws Exception {
                return integer + integer2;
            }
        });
        /**
         * 打印
         */
        pairRDD.foreach(new VoidFunction<Tuple2<String, Integer>>() {
            public void call(Tuple2<String, Integer> stringIntegerTuple2) throws Exception {
                System.out.println(stringIntegerTuple2._1+"   "+stringIntegerTuple2._2);
            }
        });
        /**
         * 关闭JavaSparkContext
         */
        sc.close();
    }
}