Spark集群搭建记录 | 云计算[CentOS7] | Scala Maven项目访问Spark(local模式)实现单词计数
本文目录
写在前面
本系列文章索引以及一些默认好的条件在 传送门
要想完成Spark的配置,首先需要完成Hadoop&&Spark的配置
Hadoop配置教程:链接
若未进行明确说明,均按照root用户操作
step1 下载Scala IDE
本来在Eclipse的Marketplace便可以下载,可是现在官网都寄了
所以说只好找到之前的版本凑合来用
下载链接
这个软件再解压后会产生一个文件夹eclipse
,所以说为了避免和先前的eclipse
产生冲突或者是覆盖问题
我们选择在也之前不同的目录下进行解压,然后进行配置
step2 解压安装Scala IDE
假设已经将scala-ide放置到虚拟机的某路径下,该路径不同于eclipse的路径
假如以/usr/local
为例
我们使用tar
命令进行解压:
tar -zxvf scala-SDK<Tab>
然后就可以打开其中的eclipse/eclipse
使用该软件:
如果说想要更方便的在桌面直接就能点击使用的话,可以直接创建软连接
或者是.Desktop
文件并放置到桌面,方法不在赘述
step3 Scala 下载
注意注意!!!
Scala
的版本对Spark
版本极其敏感,所以说为了能够下载适合已经装了的Spark
版本互相兼容,还请移步官网查看并下载适配的Scala
,博主下面给出对应的适配关系,来源maven仓库
博主使用的是Spark2.4.0
,与这个版本兼容的有2.11/2.12
在这里博主使用2.11
版本的Scala
进行配置
cd /usr/local
wget https://downloads.lightbend.com/scala/2.11.8/scala-2.11.8.tgz
tar -zxvf scala-2<Tab>
mv scala-2<Tab> scala
step4 Scala 配置
vim /etc/profile
加入:
export SCALA_HOME=/usr/local/scala
export PATH=$PATH:$SCALA_HOME/bin
source
一下使其生效
source /etc/profile
在输入scala
之后如若出现下图则代表成功:
因为在后续的过程中,均需要该环境跑集群的代码,所以说,集群的所有机器为了能够干活,都需要安装scala
可以使用scp
命令传送到集群的其他节点,或者是手动在剩余的机器重复step3
→
\to
→step4
step5 创建scala项目
打开Scala ide
,并创建scala
项目:
右键单击创建好的项目,将下图的第三步换成Convert to Maven Project
,因为博主已经将项目设置为Maven
项目,所以说,该选项消失
step6 创建scala object
在src
目录下,我们创建一个scala object
,
右键src
,然后:
在里面写入代码逻辑,具体代码可以参考链接
并根据实际情况对代码进行修改
以上链接源代码:
具体代码根据自己实际情况来进行修改
import org.apache.spark.{SparkConf, SparkContext}
object WordCount {
def main(args: Array[String]): Unit = {
val conf = new SparkConf()
conf.setAppName("wordcount")
conf.setMaster("spark://主机名:7077")
val sc = new SparkContext(conf)
val rdd = sc.textFile("hdfs://主机名:9000/tmp/test.txt")
.flatMap(_.split(" ")).map((_, 1)).reduceByKey(_ + _)
rdd.saveAsTextFile("hdfs://主机名:9000/tmp/result")
}
}
step7 修改pom文件
在pom.xml
文件中加入和自己实际环境适配的依赖:
比如spark-core
的话,我们就选择:
<!-- https://mvnrepository.com/artifact/org.apache.spark/spark-core -->
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-core_2.11</artifactId>
<version>2.4.0</version>
</dependency>
以上内容要加在<dependencies></dependencies>
之间,<dependencies></dependencies>
与<build></build>
同“等级”
至于<plugin></plugin>
可以根据自己实际情况进行配置
step8 配置项目
右键单击项目:
选择完成后,在左侧找到scala complier
:
选择跟自己适配的版本,然后确定关闭
而对于maven
的相关配置,也要进行修改,在博文step3中有提及
step9 添加依赖库(Spark的jar包)
按照如下操作:
在弹框中:
我们需要选择spark
安装目录下jars
的所有jar包,博主当然是选择/usr/local/spark/jars/
下的所有jar包
点击Apply and Close即可,项目结构中也会出现相应的引用库:
step10 设置输入路径
因为在代码中难免会涉及到路径,所以说以step6中的代码为例,需要给tmp
文件夹赋予必要的权限:
hadoop fs -chmod -R 777 /tmp
并且将自己所需要技术的文件test.txt
通过主机名:50070
端口的web界面进行上传:
然后点击:
等个十几秒就好啦~:以下是结果:
Scala 实现的Spark local模式的配置完成