寒假学习进度

今天开始学习sqark,主要参考学习的是尚硅谷的sqark教程。

Spark 核心模块

 

 1.在idea中添加scala

因为在idea中添加scala插件下载速度过慢,所以用离线添加

在idea官网插件库中下载scala  :https://plugins.jetbrains.com/plugin/1347-scala

 

在plugins中添加scala插件

 

创建maven工程

添加下载scala2.12.11

 

添加依赖:

<dependencies>
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-core_2.12</artifactId>
<version>3.0.0</version>
</dependency>
</dependencies>

 

 创建一个scala类测试

 

 

用scala框架完成对文本中的单词统计

测试数据1.txt2.txt

 

 

代码:package com.chenghaixiang.core.wc

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



object spark01_wordcount {
def main(args: Array[String]): Unit = {

val sparkConf = new SparkConf().setMaster("local").setAppName("wordcount")
val sc : SparkContext = new SparkContext(sparkConf)

val lines: RDD[String]=sc.textFile("data")
val words: RDD[String] = lines.flatMap(_.split(" "))
val wordGroup: RDD[(String, Iterable[String])] = words.groupBy(word => word)
val wordtp=wordGroup.map{
case (word, list)=>{
(word,list.size)
}
}

val tuples: Array[(String, Int)] = wordtp.collect()
tuples.foreach(println)


sc.stop()
}
}

 

 

 

 

 

 

 

 

posted @   chenghaixinag  阅读(32)  评论(0编辑  收藏  举报
编辑推荐:
· .NET Core 中如何实现缓存的预热?
· 从 HTTP 原因短语缺失研究 HTTP/2 和 HTTP/3 的设计差异
· AI与.NET技术实操系列:向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列:如何用heaptrack跟踪.NET程序的非托管内存泄露
阅读排行:
· TypeScript + Deepseek 打造卜卦网站:技术与玄学的结合
· 阿里巴巴 QwQ-32B真的超越了 DeepSeek R-1吗?
· 如何调用 DeepSeek 的自然语言处理 API 接口并集成到在线客服系统
· 【译】Visual Studio 中新的强大生产力特性
· 2025年我用 Compose 写了一个 Todo App
点击右上角即可分享
微信分享提示