3000门徒内部训练绝密视频（泄密版）第8课：彻底实战详解使用IDE开发Spark程序

彻底实战详解使用IDE开发Spark程序

使用IDE开发Spark分析

使用IDE开发Spark实战

使用IDE开发Spark的Local和Cluster

开发两种选择：IDEA、Eclipse

下载Scala for Eclipse

创建工程WordCount

改变Scala编译版本，右键工程，Properties->Scala Conpiler 划勾，Latest2.10

加入Spark1.6.x的jar文件依赖，下载spark

找到依赖的spark jar文件，并导入到eclipse中的jar依赖中

在src下建立spark工程包

创建Scala入口类

把class变成object并编写main入口方法

package com.tom.spark
/**
* 使用Scala开发本地测试的Spark WordCount程序
*/
object WordCount {
def main(args: Array[String]){
/**
* 第一步：创建Spark的配置对象，SparkConf，设置Spark程序的运行时的配置信息
* 例如通过setMaster来设置程序要连接的spark集群的Master的URL，如果设置
* 为local，则代表Spark程序在本地运行，特别适合于机器配置条件非常差的初学者
*
*/
val conf = new SparkConf() //创建SparkConf对象
conf.setAppName("Wow My First Spark App!") //设置应用程序的名称，在程序运行的监控界面可以看到
conf.setMaster("local") //此时程序在本地运行，不需要安装Spark集群
/**
* 第二步：创建SparkContext对象
* SparkContext是Spark程序所有功能的唯一入口，无论采用Scala、Java、Python、R等都必须有一个SparkContext
* SparkContext核心作用：初始化Spark应用程序运行所需要的核心组件，包括DAGScheduler、TaskScheduler、SchedulerBackEnd
* 同时还会负责Spark程序往Master注册程序等
* SparkContext是整个Spark应用程序中最为至关重要的一个对象
*/
val sc = new SparkContext(conf) //创建SparkContext对象，通过传入SparkConf实例，来定制Spark运行的具体参数和配置信息

/**
* 第三步：根据具体的数据来源（HDFS、HBase、Local FS、DB、S3等）通过SparkContext来创建RDD
* RDD的创建基本有三种方式：根据外部的数据来源（例如HDFS）、根据Scala集合、由其他RDD操作
* 数据会被RDD划分成为一系列的Partitions，分配到每个Partition的数据属于一个Task的处理范畴
*/
val lines = sc.textFile("F:/channel.txt",1)//读取本地文件并设置为1个Partition

/**
* 第四步：对初始的RDD进行Transformation级别的处理，例如map、filter等高阶函数等的编程，来进行具体的数据计算
* 第4.1步：将每一行的字符串拆分成单个的单词
*/
val words = lines.flatMap(_.split(" ")) //对每一行的字符串进行单词拆分，并把所有行的拆分结果通过flat合并成一个大的单词集合

/**
* 第4.2步：在单词拆分的基础上对每个单词实例计数为1，也就是word => (word, 1)
*/
val pairs = words.map( word => (word, 1))

/**
* 第4.3步：在单词实例计数为1基础上，统计每个单词在文件中出现的总次数
*/

val wordCounts = pairs.reduceByKey(_+_) //对相同的key，进行Value的累加（包括Local和Reducer级别同时Reduce）

wordCounts.foreach(wordNumberPair => println(wordNumberPair._1 + " : " + wordNumberPair._2))

sc.stop()
}
}