該文章主要為完成實訓(xùn)任務(wù)，詳細(xì)實現(xiàn)過程及結(jié)果見【http://t.csdn.cn/0qE1L】
一、詞頻統(tǒng)計準(zhǔn)備工作
1.1 安裝Scala2.12.15
- 從Scala官網(wǎng)下載Scala2.12.15 - https://www.scala-lang.org/download/2.12.15.html
- 安裝在默認(rèn)位置
- 安裝完畢
- 在命令行窗口查看Scala版本（必須要配置環(huán)境變量）
1.2 啟動集群的HDFS與Spark
- 啟動HDFS服務(wù)
- 啟動Spark集群
1.3 在HDFS上準(zhǔn)備單詞文件
- 在master虛擬機上創(chuàng)建單詞文件 -
words.txt
- 將單詞文件上傳到HDFS指定目錄
/wordcount/input
二、本地模式運行Spark項目
2.1 新建Maven項目
- JDK選1.8
- 創(chuàng)建完成
- 將
java目錄改成scala目錄
- 重名為
scala
2.2 添加項目相關(guān)依賴
- 在
pom.xml文件里添加依賴，并告知源程序目錄已改成scala
<?xml version="1.0" encoding="UTF-8"?>
<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>cn.kox.rdd</groupId>
<artifactId>SparkRDDWordCount</artifactId>
<version>1.0-SNAPSHOT</version>
<dependencies>
<dependency>
<groupId>org.scala-lang</groupId>
<artifactId>scala-library</artifactId>
<version>2.12.15</version>
</dependency>
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-core_2.12</artifactId>
<version>3.1.3</version>
</dependency>
</dependencies>
<build>
<sourceDirectory>src/main/scala</sourceDirectory>
</build>
<properties>
<maven.compiler.source>8</maven.compiler.source>
<maven.compiler.target>8</maven.compiler.target>
<project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
</properties>
</project>
2.3 創(chuàng)建日志屬性文件
- 在
resources目錄里創(chuàng)建日志屬性文件 -log4j.properties
log4j.rootLogger=ERROR, stdout, logfile
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/spark.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n
2.4 添加Scala SDK
2.5 創(chuàng)建HDFS配置文件
- 在
resources目錄里創(chuàng)建hdfs-site.xml文件，允許客戶端使用數(shù)據(jù)節(jié)點
<?xml version="1.0" encoding="UTF-8"?>
<configuration>
<property>
<description>only config in clients</description>
<name>dfs.client.use.datanode.hostname</name>
<value>true</value>
</property>
</configuration>
2.6 創(chuàng)建詞頻統(tǒng)計單例對象
- 創(chuàng)建
cn.kox.rdd包，然后在包里創(chuàng)建WordCount單例對象
package cn.kox.rdd
import org.apache.spark.{SparkConf, SparkContext}
/**
* @ClassName: WordCount
* @Author: Kox
* @Data: 2023/6/11
* @Sketch:
*/
object WordCount {
def main(args: Array[String]): Unit = {
// 創(chuàng)建Spark配置對象
val conf = new SparkConf()
.setAppName("SparkRDDWordCount") // 設(shè)置應(yīng)用名稱
.setMaster("local[*]") // 設(shè)置主節(jié)點位置（本地調(diào)試）
// 基于Spark配置對象創(chuàng)建Spark容器
val sc = new SparkContext(conf)
// 定義輸入路徑
val inputPath = "hdfs://master:9000/wordcount/input"
// 定義輸出路徑
val outputPath = "hdfs://master:9000/wordcount/output"
// 進(jìn)行詞頻統(tǒng)計
val wc = sc.textFile(inputPath) // 讀取文件，得到RDD
.flatMap(_.split(" ")) // 扁平化映射，得到單詞數(shù)組
.map((_, 1)) // 針對每個單詞得到二元組（word, 1)
.reduceByKey(_ + _) // 按鍵進(jìn)行聚合（key相同，value就累加）
.sortBy(_._2, false) // 按照單詞個數(shù)降序排列
// 在控制臺輸出詞頻統(tǒng)計結(jié)果
wc.collect.foreach(println)
// 將詞頻統(tǒng)計結(jié)果寫入指定文件
wc.saveAsTextFile(outputPath)
// 停止Spark容器，結(jié)束任務(wù)
sc.stop
}
}
2.7 運行程序，查看結(jié)果
- 首先看控制臺輸出結(jié)果
- 然后查看HDFS上的結(jié)果文件
- 顯示結(jié)果文件內(nèi)容
- 有兩個結(jié)果文件，可以分別查看其內(nèi)容
- 再次運行程序，會報錯說輸出目錄已經(jīng)存在
- 執(zhí)行命令：
hdfs dfs -rm -r /wordcount/output，刪除輸出目錄
- 再次運行程序，查看結(jié)果
2.8 修改程序，使用命令行參數(shù)
object WordCount {
def main(args: Array[String]): Unit = {
// 創(chuàng)建Spark配置對象
val conf = new SparkConf()
.setAppName("SparkRDDWordCount") // 設(shè)置應(yīng)用名稱
.setMaster("local[*]") // 設(shè)置主節(jié)點位置（本地調(diào)試）
// 基于Spark配置對象創(chuàng)建Spark容器
val sc = new SparkContext(conf)
// 聲明輸入輸出路徑
var inputPath = ""
var outputPath = ""
// 判斷命令行參數(shù)個數(shù)
if (args.length == 0) {
inputPath = "hdfs://master:9000/wordcount/input"
outputPath = "hdfs://master:9000/wordcount/output"
} else if (args.length == 2) {
inputPath = args(0)
outputPath = args(1)
} else {
println("溫馨提示：命令行參數(shù)個數(shù)只能是0或2~")
return
}
// 進(jìn)行詞頻統(tǒng)計
val wc = sc.textFile(inputPath) // 讀取文件，得到RDD
.flatMap(_.split(" ")) // 扁平化映射，得到單詞數(shù)組
.map((_, 1)) // 針對每個單詞得到二元組(word, 1)
.reduceByKey(_ + _) // 按鍵進(jìn)行聚合（key相同，value就累加）
.sortBy(_._2, false) // 按照單詞個數(shù)降序排列
// 在控制臺輸出詞頻統(tǒng)計結(jié)果
wc.collect.foreach(println)
// 將詞頻統(tǒng)計結(jié)果寫入指定文件
wc.saveAsTextFile(outputPath)
// 停止Spark容器，結(jié)束任務(wù)
sc.stop
}
}
-
創(chuàng)建
/home/test.txt文件，上傳到HDFS指定目錄
-
打開配置窗口
文章來源：http://www.zghlxwxcb.cn/news/detail-479669.html -
運行程序，查看結(jié)果
文章來源地址http://www.zghlxwxcb.cn/news/detail-479669.html
到了這里，關(guān)于Spark大數(shù)據(jù)處理學(xué)習(xí)筆記（2.4）IDEA開發(fā)詞頻統(tǒng)計項目的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
