大數據學習之Spark的學習44

Spark框架學習

 

 

一：Spark概述

 

官網：http://spark.apache.org/

 

Apache Spark™是用於大規模數據處理的統一分析引擎。

 

爲大數據處理而設計的快速通用的計算引擎。

 

Spark加州大學伯克利分校AMP實驗室。不一樣於mapreduce的是一個Spark任務的中間

 

結果保存到內存中。空間換時間。

 

Spark啓用的是內存分佈式數據集。

 

用scala語言實現，與spark緊密繼承。用scala能夠輕鬆的處理分佈式數據集。

 

Spark並非爲了替代hadoop，而爲了補充hadoop。

 

Spark並無存儲。能夠集成HDFS。

 

 

 

二：Spark特色

 

1）速度快

 

與mr對比，磁盤運行的話10倍以上。

 

內存運行的話，100倍以上。

 

2）便於使用

 

支持java/scala/python/R

 

3)通用

 

不只支持批處理（SparkSQL）

 

並且支持流處理（SparkStreaming）

 

4)兼容

 

兼容其它組件

 

Spark實現了Standalone做爲內置的資源管理和調度框架。hdfs/yarn。

 

三：Spark安裝部署

 

集羣規劃：

 

主節點：Master  bigdata112

 

從節點：Worker bigdata113  bigdata114

 

 

 

1）準備工做

 

關閉防火牆

 

設置主機名/etc/hostname

 

映射文件/etc/hosts

 

免密登陸scp

 

ssh-keygen

 

安裝jdk(scala依賴jvm)

 

 

 

2)安裝Spark集羣

 

-》上傳

 

-》解壓

 

-》修改配置文件

 spark-env.sh（直接在該文件的最後加入以下配置）

jdk=

master_host=

master_port=

 

 

 

slaves 加入從節點

Bigdata112

Bigdata113

 

這樣集羣就搭建好了！！！比hadoop的搭建方便多了

 

-》啓動集羣

sbin/start-all.sh

 

四：啓動spark­shell

本地模式：bin/spark-shell

 

集羣啓動：bin/spark-shell --master spark://spark-01:7077

--total-executor-cores 2

--executor-memory 500mb

 

最後2個參數是可選的！！能夠加可不加，不加的話系統會根據你虛擬機配置的核心數來決定！

 

Spark Shell版的WordCount：

 

 

五：Spark集羣角色：

Yarn	Spark	做用
ResourceManager	Master	管理子節點
NodeManager	Worker	管理當前節點
YarnChild	Executor	處理計算任務
Client+ApplicationMaster	SparkSubmit	提交計算任務

 

案例一：Spark版的WordCount程序

Step1：建立一個Maven工程。

編寫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的依賴導入 -->
        <dependency>
            <groupId>org.scala-lang</groupId>
            <artifactId>scala-library</artifactId>
            <version>${scala.version}</version>
        </dependency>

        <!-- spark的依賴導入 -->
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_2.11</artifactId>
            <version>${spark.version}</version>
        </dependency>

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

    </dependencies>

    <build>
        <pluginManagement>
            <plugins>
                <!-- scala的編譯插件 -->
                <plugin>
                    <groupId>net.alchim31.maven</groupId>
                    <artifactId>scala-maven-plugin</artifactId>
                    <version>3.2.2</version>
                </plugin>
                <!-- ava的編譯插件 -->
                <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：編寫WordCount代碼

 

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

/**
  * @author Dawn
  * 2019年6月18日15:39:39
  * @version 1.0
  * spark-WordCount本地模式測試
  */
object ScalaWordCount {
  def main(args: Array[String]): Unit = {
    //2.設置參數 setAppName設計程序名 setMaster本地測試設置線程數 *多個
    val conf:SparkConf=new SparkConf().setAppName("ScalaWordCount").setMaster("local[*]")
    //1.建立spark執行程序的入口
    val sc:SparkContext=new SparkContext(conf)

    //3.加載數據 而且處理
    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.關閉資源
    sc.stop()
  }
}

 

　　

注意：

 

 

運行結果以下：