在去年写完
大数据学习笔记(七)-运行spark脚本【原创】之后,由于工作比较忙,且大数据在负责的项目中一时用不上,所以没有继续学习。
这一篇是新的开始,主要学习使用spark的进行开发。
spark的源码是scala写的,scala是与Java很像的一种语言,也是基于jvm运行的。spark提供了scala和java的开发包,因此可以使用java和scala来开发spark应用。
以下介绍开发环境搭建与demo的编写:
一)开发环境搭建
1)安装jdk1.8
2)到ScalaIDE官网下载集成好的eclipse
http://scala-ide.org/download/sdk.html
3) 解压下载好的包即可使用
至此,我们可以使用下载的eclipse集成环境开发java和scala版本的spark程序
二)java demo
1) 使用maven创建java工程,并添加依赖
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
<modelVersion>4.0.0</modelVersion>
<groupId>cn.gov.zjport.demo</groupId>
<artifactId>demo-spark</artifactId>
<version>0.0.1-SNAPSHOT</version>
<dependencies>
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-core_2.11</artifactId>
<version>2.2.0</version>
</dependency>
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-launcher_2.11</artifactId>
<version>2.2.0</version>
</dependency>
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-sql_2.11</artifactId>
<version>2.2.0</version>
</dependency>
</dependencies>
</project>
2)java代码
package cn.gov.zjport.demo.spark;
import java.util.Arrays;
import java.util.List;
import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.api.java.function.Function2;
public class SparkLocalCollection {
public static void main(String[] args) {
//初始化
SparkConf conf=new SparkConf().setAppName("SparkLocalCollection").setMaster("local");
JavaSparkContext sparkContext=new JavaSparkContext(conf);
try{
List<Integer> list=Arrays.asList(1,2,3,4,5,6,7,8,9,10);
//创建RDD
JavaRDD<Integer> rdd=sparkContext.parallelize(list);
//执行reduce action操作
int sum=rdd.reduce(new Function2<Integer, Integer, Integer>(){
private static final long serialVersionUID = 1L;
public Integer call(Integer arg0, Integer arg1) throws Exception {
return arg0+arg1;
}
});
System.out.println("add result:"+sum);
}finally{
sparkContext.close();
}
}
}
3)运行 run as -> Java Application
三)scala demo
1)新建一个maven工程,并添加依赖
<properties>
<maven.compiler.source>1.8</maven.compiler.source>
<maven.compiler.target>1.8</maven.compiler.target>
<encoding>UTF-8</encoding>
<scala.version>2.11.11</scala.version>
<scala.compat.version>2.11</scala.compat.version>
<spec2.version>4.2.0</spec2.version>
</properties>
<dependencies>
<dependency>
<groupId>org.scala-lang</groupId>
<artifactId>scala-library</artifactId>
<version>${scala.version}</version>
</dependency>
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-core_2.11</artifactId>
<version>2.3.0</version>
</dependency>
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-launcher_2.11</artifactId>
<version>2.3.0</version>
</dependency>
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-sql_2.11</artifactId>
<version>2.3.0</version>
</dependency>
</dependencies>
2)将工程改为scala工程
3)编写scala程序
package cn.gov.zjport.demo.spark
import org.apache.spark.SparkConf
import org.apache.spark.SparkContext
object SparkLocalCollection {
def main(args:Array[String]){
//初始化
var array=Array(1,2,3,4,5,6,7,8,9,10);
var conf=new SparkConf().setAppName("SparkLocalCollection").setMaster("local");
var sc=new SparkContext(conf);
try{
//先并行化处理成RDD,然后执行reduce操作
var count=sc.parallelize(array, 1).reduce(_+_);
println("count is:"+count);
}finally{
sc.stop();
}
}
}
4)运行 Run As -> Scala Application
5)初学者常见问题:
a)为什么我没有run as->scala application
可能是没有定义为object,而是定义成class, class是无法运行的。 同时必须有main方法
b)运行时提示找不到主类 SparkLocalCollection
需要按F5 或者使用maven编译一下
- 大小: 16.9 KB
- 大小: 16.8 KB
- 大小: 34.5 KB
分享到:
相关推荐
第二章 Spark开发环境搭建 8 1 Spark运行模式 8 2 Spark环境搭建 8 2.1Scala的安装 8 2.2Spark的单节点配置 9 2.3Spark-Standalone集群配置 9 2.4Spark-on-Yarn模式配置 12 2.5Spark-on-Mesos模式配置 13 2.6Hive-on...
一、Spark 大数据处理学习笔记(2.2)搭建 Spark Standalone 集群 * Spark 集群的搭建是大数据处理的基础,本篇笔记详细讲解了在 master 节点和 slave 节点上安装和配置 Spark 的步骤,包括上传 Spark 安装包、解...
#### 第一部分:Spark学习 ##### 第1章:Spark介绍 - **1.1 Spark简介与发展** - **背景**:随着大数据处理需求的增长,传统的Hadoop MapReduce框架虽然提供了强大的计算能力,但在处理速度、易用性和灵活性方面...
在Windows系统上搭建本地Pyspark开发环境是一个重要的步骤,特别是对于那些希望在数据分析和机器学习项目中使用Apache Spark的用户。以下是一个详细的步骤指南,包括配置Java、Scala、Spark、Hadoop以及整合Anaconda...
### Scala学习笔记(全) #### 一、Scala概述与特点 Scala是一种多范式的编程语言,旨在集成面向对象编程和函数式编程的各种特性。它运行于Java平台(Java虚拟机JVM),并且能够完全兼容所有的Java程序。这使得Scala...
在本项目中,"spark-standalone-cluster-on-docker" 提供了一种高效且便捷的方式来在Docker环境中搭建Apache Spark的独立集群,并结合JupyterLab接口进行多语言编程,包括Scala、Python(PySpark)和R(SparkR)。...
本学习笔记将深入探讨Hadoop的核心组件、架构以及如何搭建云计算平台。 一、Hadoop核心组件 1. HDFS(Hadoop Distributed File System):Hadoop的分布式文件系统,它设计为跨多台机器存储大量数据,并提供高容错...
【大数据相关搭建笔记.zip】这个压缩包集合了多个关于大数据平台搭建的重要文档,涉及的关键技术包括Hadoop(含Hive、HBase以及HA)、Spark、Sqoop、Flume以及Ambari。这些组件是大数据处理生态系统中的核心部分,...
《大数据学习笔记文档》 大数据领域是信息技术的热门方向,涵盖了多个关键技术,如Linux、Kafka、Python、Hadoop和Scala等。以下是对这些技术的详细介绍: **Linux**:作为大数据处理的基础平台,Linux因其开源、...
开发环境 基于Deepin Linux 15.9版本 基于Hadoop2.6、Spark2.4、Scala2.11、java8等 系列环境搭建相关文章,见下方 更多内容见:【 】【 】 文件说明 存放平时练习代码 notes存放笔记 Scala 语法点 待续
Hadoop是Apache软件基金会开发的一个开源框架,专门用于处理和存储大数据。Hadoop的核心组件包括: 1. 分布式文件系统(HDFS):HDFS设计用于将文件分布式存储在多台服务器上,提供了类似于传统文件系统的目录结构...
【Hadoop学习笔记】 Hadoop 是一个开源框架,主要用于处理和存储大数据。它源自于解决互联网公司面临的海量数据处理问题,特别是Google发布的三篇技术论文,即GFS(Google File System)、MapReduce以及BigTable。...
Java学习笔记涵盖了许多核心的IT知识点,以下是这些主题的详细说明: **JVM(Java虚拟机)** Java虚拟机是Java程序运行的基础,它负责解释和执行字节码。理解JVM的工作原理对于优化程序性能至关重要。这包括类加载...
标题“autoInstall.zip”暗示了这是一个自动安装包,可能包含了用于在...这个压缩包对于想要在Ubuntu上快速搭建Spark环境的开发者或者学生来说非常有用,同时也适合初学者通过`attend-count.py`来学习Spark的基础编程。
压缩包“Hadoop大数据开发教程笔记软件.zip”包含了一份详实的Hadoop学习资源,特别是针对基于Hadoop的大数据开发基础进行讲解。 Hadoop是一个开源框架,由Apache软件基金会维护,它设计用于处理和存储大量数据。其...
达内的笔记可能会讲解Android或iOS平台的开发环境搭建、UI设计、API调用以及发布流程。学员将学会创建跨平台应用,提升用户体验。 四、大数据与云计算 大数据处理和云计算是现代信息技术的热点。笔记可能涵盖Hadoop...
标题中的“机器学习:带有机器学习示例的笔记本”表明这是一个关于机器学习的教程或实践项目,其中包含了一些具体的示例,这些示例可能在Jupyter Notebook这样的交互式环境中实现。Jupyter Notebook是一种广泛用于...
标题中的"一键安装jdk+mysql+hadoop+hive+zeppelin.rar"表明这是一个包含Java开发环境(JDK)、MySQL数据库、Hadoop分布式计算框架、Hive数据仓库工具以及Zeppelin交互式数据分析平台的一键安装包。这个压缩包为用户...
课程首先从开发环境的搭建开始,包括Python解释器的安装、Anaconda的配置、Jupyter Notebook与PyCharm的使用。 1. Python解释器安装是学习Python的第一步。Python解释器是执行Python代码的必要组件。在MAC OS系统下...