大数据学习之Spark的学习44

Spark框架学习

一：Spark概述

官网：http://spark.apache.org/

Apache Spark™是用于大规模数据处理的统一分析引擎。

为大数据处理而设计的快速通用的计算引擎。

Spark加州大学伯克利分校AMP实验室。不同于mapreduce的是一个Spark任务的中间

结果保存到内存中。空间换时间。

Spark启用的是内存分布式数据集。

用scala语言实现，与spark紧密继承。用scala可以轻松的处理分布式数据集。

Spark并不是为了替代hadoop，而为了补充hadoop。

Spark并没有存储。可以集成HDFS。

二：Spark特点

1）速度快

与mr对比，磁盘运行的话10倍以上。

内存运行的话，100倍以上。

2）便于使用

支持java/scala/python/R

3)通用

不仅支持批处理（SparkSQL）

而且支持流处理（SparkStreaming）

4)兼容

兼容其它组件

Spark实现了Standalone作为内置的资源管理和调度框架。hdfs/yarn。

三：Spark安装部署

集群规划：

主节点：Master  bigdata112

从节点：Worker bigdata113  bigdata114

1）准备工作

关闭防火墙

设置主机名/etc/hostname

映射文件/etc/hosts

免密登录scp

ssh-keygen

安装jdk(scala依赖jvm)

2)安装Spark集群

-》上传

-》解压

-》修改配置文件

 spark-env.sh（直接在该文件的最后加入如下配置）

jdk=

master_host=

master_port=

slaves 加入从节点

Bigdata112

Bigdata113

这样集群就搭建好了！！！比hadoop的搭建方便多了

-》启动集群

sbin/start-all.sh

四：启动spark­shell

本地模式：bin/spark-shell

集群启动：bin/spark-shell --master spark://spark-01:7077

--total-executor-cores 2

--executor-memory 500mb

最后2个参数是可选的！！可以加可不加，不加的话系统会根据你虚拟机配置的核心数来决定！

Spark Shell版的WordCount：

五：Spark集群角色：

Yarn	Spark	作用
ResourceManager	Master	管理子节点
NodeManager	Worker	管理当前节点
YarnChild	Executor	处理计算任务
Client+ApplicationMaster	SparkSubmit	提交计算任务

案例一：Spark版的WordCount程序

Step1：创建一个Maven工程。

编写Pom文件：

<?xml version="1.0" encoding="UTF-8"?>
<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>com.dawn.spark</groupId>
    <artifactId>SparkWC</artifactId>
    <version>1.0-SNAPSHOT</version>

    <properties>
        <maven.compiler.source>1.8</maven.compiler.source>
        <maven.compiler.target>1.8</maven.compiler.target>
        <scala.version>2.11.8</scala.version>
        <spark.version>2.2.0</spark.version>
        <hadoop.version>2.8.4</hadoop.version>
        <encoding>UTF-8</encoding>
    </properties>

    <dependencies>
        <!-- scala的依赖导入 -->
        <dependency>
            <groupId>org.scala-lang</groupId>
            <artifactId>scala-library</artifactId>
            <version>${scala.version}</version>
        </dependency>

        <!-- spark的依赖导入 -->
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_2.11</artifactId>
            <version>${spark.version}</version>
        </dependency>

        <!-- hadoop-client API的导入 -->
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>${hadoop.version}</version>
        </dependency>

    </dependencies>

    <build>
        <pluginManagement>
            <plugins>
                <!-- scala的编译插件 -->
                <plugin>
                    <groupId>net.alchim31.maven</groupId>
                    <artifactId>scala-maven-plugin</artifactId>
                    <version>3.2.2</version>
                </plugin>
                <!-- ava的编译插件 -->
                <plugin>
                    <groupId>org.apache.maven.plugins</groupId>
                    <artifactId>maven-compiler-plugin</artifactId>
                    <version>3.5.1</version>
                </plugin>
            </plugins>
        </pluginManagement>
        <plugins>
            <plugin>
                <groupId>net.alchim31.maven</groupId>
                <artifactId>scala-maven-plugin</artifactId>
                <executions>
                    <execution>
                        <id>scala-compile-first</id>
                        <phase>process-resources</phase>
                        <goals>
                            <goal>add-source</goal>
                            <goal>compile</goal>
                        </goals>
                    </execution>
                    <execution>
                        <id>scala-test-compile</id>
                        <phase>process-test-resources</phase>
                        <goals>
                            <goal>testCompile</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>

            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-compiler-plugin</artifactId>
                <executions>
                    <execution>
                        <phase>compile</phase>
                        <goals>
                            <goal>compile</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>


            <!-- 打jar包插件 -->
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-shade-plugin</artifactId>
                <version>2.4.3</version>
                <executions>
                    <execution>
                        <phase>package</phase>
                        <goals>
                            <goal>shade</goal>
                        </goals>
                        <configuration>
                            <filters>
                                <filter>
                                    <artifact>*:*</artifact>
                                    <excludes>
                                        <exclude>META-INF/*.SF</exclude>
                                        <exclude>META-INF/*.DSA</exclude>
                                        <exclude>META-INF/*.RSA</exclude>
                                    </excludes>
                                </filter>
                            </filters>
                        </configuration>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>

</project>

Step2：编写WordCount代码

import org.apache.spark.{SparkConf, SparkContext}

/**
  * @author Dawn
  * 2019年6月18日15:39:39
  * @version 1.0
  * spark-WordCount本地模式测试
  */
object ScalaWordCount {
  def main(args: Array[String]): Unit = {
    //2.设置参数 setAppName设计程序名 setMaster本地测试设置线程数 *多个
    val conf:SparkConf=new SparkConf().setAppName("ScalaWordCount").setMaster("local[*]")
    //1.创建spark执行程序的入口
    val sc:SparkContext=new SparkContext(conf)

    //3.加载数据 并且处理
    sc.textFile("f:/temp/data.txt").flatMap(_.split(" ")).map((_,1))
      .reduceByKey(_+_)
      .sortBy(_._2,false)
      .foreach(println)
      //保存文件
//      .saveAsTextFile("f:/temp/scalaWC/")

    //4.关闭资源
    sc.stop()
  }
}

　　

注意：

运行结果如下：