创建项目详细过程请参考博客:
在IDEA中用Scala编写WordCount程序并且上传到集群中运行
https://blog.csdn.net/weixin_43866709/article/details/88599701
下面是代码:
package cn.edu360.spark;
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 javaLambdaWordCount {
public static void main(String[] args){
SparkConf conf = new SparkConf().setAppName("javaLambdaWordCount");
//创建sparkContext
JavaSparkContext jsc = new JavaSparkContext(conf);
//指定以后从哪里读取数据
JavaRDD<String> lines = jsc.textFile(args[0]);
//切分压平
JavaRDD<String> words = lines.flatMap(line -> Arrays.asList(line.split(" ")).iterator());
//将单词和1组合
JavaPairRDD<String, Integer> wordAndOne = words.mapToPair(w -> new Tuple2<>(w, 1));
//聚合
JavaPairRDD<String, Integer> reduced = wordAndOne.reduceByKey((m, n) -> m + n);
//调整顺序
JavaPairRDD<Integer, String> swaped = reduced.mapToPair(tp -> tp.swap());
//排序
JavaPairRDD<Integer, String> sorted = swaped.sortByKey(false);
//调整顺序
JavaPairRDD<String, Integer> result = sorted.mapToPair(tp -> tp.swap());
//将结果保存到hdfs
result.saveAsTextFile(args[1]);
//释放资源
jsc.stop();
}
}
然后打成jar包,上传到spark集群运行。
运行命令是:
spark-submit //向spark集群提交任务命令
–master spark://L1:7077 //–master指定spark集群上的master主机和端口
–class com.baidu.spark.javaLambdaWordCount //指定程序的类名(程序执行的入口)
/home/hadoop/original-SparkTest1-1.0-SNAPSHOT-javaLambda.jar//指定jar包的位置
hdfs://L1:9000/aaa //指定HDFS上namenode 的主机名和端口,以及文件位置
hdfs://L1:9000/aaajavaLambdaOut //指定程序运行结果存放位置