spark,又一个传说中的分布式实现,详情:http://spark-project.org/,
安装这里就不写了,因为网上已有中文介绍,这里主要是介绍一下入门,和hadoop一样,学习的时候,首先学习spark提供的字符统计例子:javaWordCount
原始代码如下:
import scala.Tuple2; import spark.api.java.JavaPairRDD; import spark.api.java.JavaRDD; import spark.api.java.JavaSparkContext; import spark.api.java.function.FlatMapFunction; import spark.api.java.function.Function2; import spark.api.java.function.PairFunction; import java.util.Arrays; import java.util.List; public class JavaWordCount { public static void main(String[] args) throws Exception { if (args.length < 2) { System.err.println("Usage: JavaWordCount <master> <file>"); System.exit(1); } JavaSparkContext ctx = new JavaSparkContext(args[0], "JavaWordCount", System.getenv("SPARK_HOME"), System.getenv("SPARK_EXAMPLES_JAR")); JavaRDD<String> lines = ctx.textFile(args[1], 1); JavaRDD<String> words = lines.flatMap(new FlatMapFunction<String, String>() { public Iterable<String> call(String s) { return Arrays.asList(s.split(" ")); } }); JavaPairRDD<String, Integer> ones = words.map(new PairFunction<String, String, Integer>() { public Tuple2<String, Integer> call(String s) { return new Tuple2<String, Integer>(s, 1); } }); JavaPairRDD<String, Integer> counts = ones.reduceByKey(new Function2<Integer, Integer, Integer>() { public Integer call(Integer i1, Integer i2) { return i1 + i2; } }); List<Tuple2<String, Integer>> output = counts.collect(); for (Tuple2 tuple : output) { System.out.println(tuple._1 + ": " + tuple._2); } System.exit(0); } }
运行: ./run spark/examples/JavaWordCount local input.txt
local:不解析,自己查
input.txt:文件类容
Hello World Bye World goole
运行的结果和haddoop中运行的JavaWordCount 一样
goole: 1 World: 2 Hello: 1 Bye: 1
相关推荐
spark学习总结-入门
Spark学习文档的目的是帮助用户深入理解Spark的核心概念、工作原理以及如何在实际项目中应用Spark进行数据处理。以下是对每个文件内容的详细解读: 1. **01Spark生态和安装部署.pdf** Spark生态系统包括多个组件,...
Spark是Apache Hadoop生态系统中的一个分布式计算框架,它在...从基础知识到企业实践,再到源码分析,覆盖了Spark学习的各个方面。无论是初学者还是经验丰富的开发者,都能从中获益,提升自己在大数据处理领域的技能。
Spark是一个高效的分布式计算系统,发源...Spark立足于内存计算,相比Hadoop MapReduce,Spark在性能上要高100倍,而且Spark提供了比Hadoop更上层的API,同样的算法在Spark中实现往往只有Hadoop的1/10或者1/100的长度。
这个"spark学习文档.rar"压缩包包含了对Spark Streamin和Spark SQL两个关键模块的深入学习资料。 Spark Streaming是Spark针对实时数据流处理的组件,它提供了对连续数据流的微批处理能力。Spark Streaming能够接收...
本源码项目是基于Scala的Spark学习仓库设计,包含282个文件,主要使用Scala编程语言。该项目是一个Spark学习仓库,旨在帮助开发者学习和实践Spark技术。系统提供了丰富的学习资源,包括Spark的示例代码、文档和教程...
Spark 学习之路,包含 Spark Core,Spark SQL,Spark Streaming,Spark mllib 学习笔记 * [spark core学习笔记及代码 * [spark sql学习笔记及代码 * [spark streaming学习笔记及代码 Spark 消息通信 ### Spark ...
### Spark学习笔记 #### Apache Spark简介 Apache Spark是一款专为大规模数据处理而设计的高性能、通用的计算引擎。它的核心特点在于提供了强大的内存计算能力,从而显著提升了数据处理的速度。Spark最初采用Scala...
本设计源码提供了一个基于Scala的Spark学习项目。项目包含95个文件,主要使用Scala和Java编程语言。文件类型包括80个Scala源代码文件、4个XML配置文件、3个TXT文档、2个Markdown文档、2个Java源代码文件、1个GIT忽略...
Spark 学习笔记 Spark 是一个基于内存的分布式计算框架,它提供了高效、灵活、可扩展的数据处理解决方案。Spark 的核心组件是 Resilient Distributed Dataset (RDD),它是一个弹性的分布式数据集合,提供了高效的...
本项目是基于Scala和Java开发的Spark学习项目设计源码,主要使用Scala进行开发。项目共包含576个文件,其中Scala源代码文件scala 533个,Java源代码文件java 21个,XML配置文件xml 10个,Properties配置文件...
这个名为"spark学习教程.zip"的压缩包文件显然包含了关于Spark安装、使用以及大数据分析的相关资料,对于想要深入理解和掌握Spark技术的人士来说,是一份宝贵的资源。 首先,让我们从Spark的安装开始。Spark的安装...
《Spark学习全套技术》 Spark,作为大数据处理领域的重要框架,因其高效、易用和弹性扩展的特性,深受开发者喜爱。本套学习资料全面涵盖了Spark的核心技术和应用实践,旨在帮助学习者深入理解Spark并掌握其在大数据...
本文将基于“Spark学习总结-入门.rar”这份资料,对Spark的基础知识进行详细阐述,帮助读者深入理解Spark的核心概念和使用方法。 1. **Spark概述** Spark最初由加州大学伯克利分校AMPLab开发,后来成为Apache顶级...
这个"Spark学习路线与电子教案"涵盖了从基础到进阶的多个方面,帮助学生和开发者全面理解并掌握Spark的核心概念和技术。 首先,"Spark简介与运行原理.pdf"会讲解Spark的基本架构和工作模式,包括其核心组件如Master...
包括:《Spark大数据处理:技术、应用与性能优 》 《Spark大数据处理技术》 《Spark高级数据分析》 《Spark快速数据处理_中文版》 《大数据Spark企业级实战》 《Spark 编程指南》 方便大家共同学习
这个"spark学习资料.rar"压缩包显然包含了关于Spark的学习资源,可能包括教程文档、示例代码、实战项目等,对于想要深入理解和掌握Spark技术的初学者或者开发者来说,是一份宝贵的资料。 在大数据领域,Spark的核心...
本项目是基于Scala语言开发的Apache Spark学习与实践源码,共包含53个文件。其中,Scala源代码文件21个,文本文件7个,XML文件5个,Markdown文档5个,JSON配置文件3个,Avro Schema文件2个,CSV数据文件2个,...