大数据-86 Spark 集群 WordCount 用 Scala Java 调用Spark 编译并打包上传运行 梦开始的地方

点一下关注吧！！！非常感谢！！持续更新！！！

目前已经更新到了：

• Hadoop（已更完）
  HDFS（已更完）
  MapReduce（已更完）
  Hive（已更完）
  Flume（已更完）
  Sqoop（已更完）
  Zookeeper（已更完）
  HBase（已更完）
  Redis （已更完）
  Kafka（已更完）
  Spark（正在更新！）

章节内容

上节我们完成了如下的内容：

• Spark RDD 操作方式Action
• Spark RDD的 Key-Value RDD
• 详细解释与测试案例

梦的开始

写一个WordCount程序虽然看似简单，但它在大数据学习中有着深远的意义。就像编程世界中的“Hello World”，WordCount是我们迈入分布式计算世界的第一步。在这个过程中，我不仅加深了对Spark生态系统的理解，还亲身体验了大数据处理的核心思想：分而治之。

通过编写和运行这个程序，我意识到，尽管代码本身很简单，但其背后的概念却揭示了大数据处理的复杂性与挑战性。每个词频的统计背后，都代表着分布式系统中对数据的高效切分、分发和聚合。这使我更加意识到，在大数据的世界里，性能优化和资源管理是永恒的主题。

更重要的是，WordCount让我感受到Scala语言在处理并行计算时的优势。通过在实际环境中部署和运行这个程序，我也看到了自己从理论学习向实践应用迈出的重要一步。这不仅是一段代码的完成，更是我在大数据领域探索旅程的一个重要里程碑。

总的来说，这段经历让我更加坚定了继续深入学习和应用大数据技术的决心。WordCount不仅是学习的起点，更是打开大数据世界大门的一把钥匙。

环境依赖

首先要确保你之前的环境都搭建完毕了，最起码的要有单机的Spark，最好是有Spark集群，可以更好的进行学习和测试。

导入依赖

<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>icu.wzk</groupId><artifactId>spark-wordcount</artifactId><version>1.0-SNAPSHOT</version><properties><scala.version>2.12.10</scala.version><spark.version>2.4.5</spark.version><maven.compiler.source>1.8</maven.compiler.source><maven.compiler.target>1.8</maven.compiler.target></properties><dependencies><dependency><groupId>org.apache.spark</groupId><artifactId>spark-core_2.12</artifactId><version>${spark.version}</version></dependency><dependency><groupId>org.apache.spark</groupId><artifactId>spark-sql_2.12</artifactId><version>${spark.version}</version></dependency><dependency><groupId>org.scala-lang</groupId><artifactId>scala-library</artifactId><version>${scala.version}</version></dependency><dependency><groupId>com.typesafe</groupId><artifactId>config</artifactId><version>1.3.4</version></dependency></dependencies><build><plugins><plugin><groupId>net.alchim31.maven</groupId><artifactId>scala-maven-plugin</artifactId><version>4.4.0</version><executions><execution><goals><goal>compile</goal><goal>testCompile</goal></goals></execution></executions></plugin><plugin><groupId>org.apache.maven.plugins</groupId><artifactId>maven-assembly-plugin</artifactId><version>3.3.0</version><configuration><archive><manifest><mainClass>cn.lagou.sparkcore.WordCount</mainClass></manifest></archive><descriptorRefs><descriptorRef>jar-with-dependencies</descriptorRef></descriptorRefs></configuration><executions><execution><phase>package</phase><goals><goal>single</goal></goals></execution></executions></plugin></plugins></build>
</project>

编写Scala

使用Scala完成我们的Word Count程序：

package icu.wzkimport org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}object WordCount {def main(args: Array[String]): Unit = {var conf = new SparkConf().setAppName("ScalaHelloWorldCount")val sc = new SparkContext(conf)sc.setLogLevel("WARN")val lines: RDD[String] = sc.textFile(args(0))val words: RDD[String] = lines.flatMap(line => line.split("\\s+"))val wordMap: RDD[(String, Int)] = words.map(x => (x, 1))val result: RDD[(String, Int)] = wordMap.reduceByKey(_ + _)result.foreach(println)sc.stop()}
}

大致的项目结构和内容，如下图所示：

编译项目

运行Maven的Package，等待执行完毕后，会在 target 下打包出一个 Jar 包。
如果是第一次打包，需要下载包，时间会比较久。

# 你也可以用Shell的方式
mvn clean package

运行的过程如下图所示：

打包完的结果大致如下：

上传项目

将项目上传到Spark的集群中：

cd /opt/wzk

我上传到该目录，该目录的情况大致如下：

运行项目

编写如下的指令，将任务提交到Spark集群中进行运行。
我这里随便找了个文件，你也可以找个文件进行运行。

spark-submit --master local[*] --class icu.wzk.WordCount spark-wordcount-1.0-SNAPSHOT.jar /opt/wzk/goodtbl.java

运行结果如下图：

经过一段时间的计算之后，可以看到最终的结果如下图所示：

编写Java

package icu.wzk;import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;
import scala.Tuple2;import java.util.Arrays;public class JavaWordCount {public static void main(String[] args) {SparkConf conf = new SparkConf().setAppName("JavaWordCount").setMaster("local[*]");JavaSparkContext sc = new JavaSparkContext(conf);sc.setLogLevel("WARN");JavaRDD<String> lines = sc.textFile(args[0]);JavaRDD<String> words = lines.flatMap(line -> Arrays.stream(line.split("\\s+")).iterator());JavaPairRDD<String, Integer> wordsMap = words.mapToPair(word -> new Tuple2<>(word, 1));JavaPairRDD<String, Integer> results = wordsMap.reduceByKey((x, y) -> x + y);results.foreach(elem -> System.out.println(elem));sc.stop();}
}

编译项目

和上面一样，Scala的方式一样：

上传项目

同样的，和上述的Scala的过程一样，将项目上传：

/opt/wzk/spark-wordcount-1.0-SNAPSHOT.jar

运行项目

这里注意，写的是Java的类，而不是Scala的启动：

spark-submit --master local[*] --class icu.wzk.JavaWordCount spark-wordcount-1.0-SNAPSHOT.jar /opt/wzk/goodtbl.java

运行的过程截图如下图所示：

等待执行完毕，最终的结果如下图所示：