一．安装准备
- 需要先安装hadoop,Java JDK,采用 Hadoop(伪分布式)＋Spark(Local模式) 的组合．
- spark和sbt，maven的版本：spark-2.4.5-bin-without-hadoop.tgz 和sbt-1.3.8.tgz,maven-3.6.3；
https://pan.baidu.com/s/129rn9DrjVSzGi2SksTkefw 提取码: ebbb
二.spark 本地模式安装
- 进入spark 压缩包所在目录，我的目录为~/Documents/Personal File/BigData，解压文件到目录 /usr/local/，并重命名为spark,设置权限.
cd ~/Documents/Personal\ File/BigData
sudo tar -zxf ./spark-2.4.5-bin-without-hadoop.tgz -C /usr/local/
cd /usr/local
sudo mv ./spark-2.4.5-bin-without-hadoop/ ./spark
sudo chown -R hadoop:hadoop ./spark- 配置文件spark-env.sh;
cd /usr/local/saprk
cp ./conf/spark-env.sh.template ./conf/spark-env.sh
vim ./conf/spark-env.sh
在文件中添加如下配置信息：
export SPARK_DIST_CLASSPATH=$(/usr/local/hadoop/bin/hadoop classpath)
三. Spark Shell 编程
- 启动shell
cd /usr/local/spark
bin/spark-shell
- 简单的编程测试
spark创建sc,加载本地文件创建RDD,也可以加载HDFS 文件．通过 前缀(hdfs://和file:///) 进行标识是本地文件还是HDFS文件；
val textFile = sc.textFile("file:///usr/local/spark/README.md")
//获取RDD文件textFile的第一行内容
textFile.first()
//获取RDD文件textFile所有项的计数
textFile.count()
//抽取含有“Spark”的行，返回一个新的RDD
val lineWithSpark = textFile.filter(line => line.contains("Spark"))
//统计新的RDD的行数
lineWithSpark.count()
//找出文本中每行的最多单词数
textFile.map(line => line.split(" ").size).reduce((a, b) => if (a > b) a else b)
- 退出Spark .
:quit
四. Scala 独立应用编程
使用scala 编写的程序需要使用sbt进行编译打包，使用java编写的代码需要通过maven 打包，使用python 编写的代码可以直接通过spark-submit 直接提交．
- sbt 安装
sudo mkdir /usr/local/sbt
sudo tar -zxvf ~/Documents/Personal\ File/BigData/sbt-1.3.8.tgz -C /usr/local
cd /usr/local/sbt
sudo chown -R hadoop /usr/local/sbt
cp ./bin/sbt-launch.jar ./ #把bin目录下的sbt-launch.jar复制到sbt安装目录下
- 创建sbt 的启动脚本．
vim /usr/local/sbt/sbt#添加如下内容：
#!/bin/bash
SBT_OPTS="-Xms512M -Xmx1536M -Xss1M -XX:+CMSClassUnloadingEnabled -XX:MaxPermSize=256M"
java $SBT_OPTS -jar `dirname $0`/sbt-launch.jar "$@"
- 为文件添加可执行权限．
chmod u+x /usr/local/sbt/sbt
- 查看sbt 版本信息,这个步骤第一次执行时间很长，还有可能执行不成功．
cd /usr/local/sbt./sbt/ sbtVersion
- scala 编程及其打包
创建一个目录作为应用程序根目录．并创建文件结构目录；
# 进入一个目录，创建相关目录
cd ~/Documents/Personal\ File/BigData# 创建根目录及其结构
mkdir ./sparkapp # 创建应用程序根目录
mkdir -p ./sparkapp/src/main/scala # 创建所需的文件夹结构# 创建代码文件
vim ./sparkapp/src/main/scala/SimpleApp.scala
编写代码如下：
/* SimpleApp.scala */
import org.apache.spark.SparkContext
import org.apache.spark.SparkContext._
import org.apache.spark.SparkConfobject SimpleApp {def main(args: Array[String]) {val logFile = "file:///usr/local/spark/README.md" // Should be some file on your systemval conf = new SparkConf().setAppName("Simple Application")val sc = new SparkContext(conf)val logData = sc.textFile(logFile, 2).cache()val numAs = logData.filter(line => line.contains("a")).count()val numBs = logData.filter(line => line.contains("b")).count()println("Lines with a: %s, Lines with b: %s".format(numAs, numBs))}}
- 编译打包文件
cd ~/Documents/Personal\ File/BigData/sparkapp
vim simple.sbt
添加内容,scalaVersion指定scala 的版本，spark-core 指定spark的版本．可以通过spark 的shell登录界面获取到版本信息．
name := "Simple Project"
version := "1.0"
scalaVersion := "2.11.12"
libraryDependencies += "org.apache.spark" %% "spark-core" % "2.4.5"
使用sbt打包文件，为保证sbt正常运行，通过如下命令查看文件结构．
cd ~/Documents/Personal\ File/BigData/sparkapp
find .
执行打包命令，生成的 jar 包的位置为 ~/Documents/Personal\ File/BigData/sparkapp/target/scala-2.11/simple-project_2.11-1.0.jar。
/usr/local/sbt/sbt package
通过spark-submit 来提交程序运行．
/usr/local/spark/bin/spark-submit --class "SimpleApp" ~/Documents/Personal\ File/BigData/sparkapp/target/scala-2.11/simple-project_2.11-1.0.jar
五. Java 独立编程
- 安装Java 编译打包工具maven ;
cd ~/Documents/Personal\ File/BigData
sudo unzip apache-maven-3.6.3-bin.zip -d /usr/local
cd /usr/local
sudo mv apache-maven-3.6.3/ ./maven
sudo chown -R hadoop ./maven
- Java 应用程序代码
创建应用程序根目录；
cd ~/Documents/Personal\ File/BigData
mkdir -p ./sparkapp2/src/main/java
在./sparkapp2/src/main/java下创建代码文件．
/*** SimpleApp.java ***/
import org.apache.spark.api.java.*;
import org.apache.spark.api.java.function.Function;
import org.apache.spark.SparkConf;public class SimpleApp {public static void main(String[] args) {String logFile = "file:///usr/local/spark/README.md"; // Should be some file on your systemSparkConf conf=new SparkConf().setMaster("local").setAppName("SimpleApp");JavaSparkContext sc=new JavaSparkContext(conf);JavaRDD<String> logData = sc.textFile(logFile).cache(); long numAs = logData.filter(new Function<String, Boolean>() {public Boolean call(String s) { return s.contains("a"); }}).count(); long numBs = logData.filter(new Function<String, Boolean>() {public Boolean call(String s) { return s.contains("b"); }}).count(); System.out.println("Lines with a: " + numAs + ", lines with b: " + numBs);}
}
在./sparkapp2目录中新建文件pom.xml．
cd ~/Documents/Personal\ File/BigData/sparkapp2
vim pox.xml
<project><groupId>cn.edu.xmu</groupId><artifactId>simple-project</artifactId><modelVersion>4.0.0</modelVersion><name>Simple Project</name><packaging>jar</packaging><version>1.0</version><repositories><repository><id>jboss</id><name>JBoss Repository</name><url>http://repository.jboss.com/maven2/</url></repository></repositories><dependencies><dependency> <!-- Spark dependency --><groupId>org.apache.spark</groupId><artifactId>spark-core_2.11</artifactId><version>2.4.5</version></dependency></dependencies>
</project>
- 使用maven 打包Java 程序
为保证maven 正常运行，通过find 查看文件结构:
cd ~/Documents/Personal\ File/BigData/sparkapp2
find .# 打包命令
/usr/local/maven/bin/mvn package
- 通过spark-submit 运行程序．
/usr/local/spark/bin/spark-submit --class "SimpleApp" ./target/simple-project-1.0.jar
