教育行業(yè)A股IPO第一股(股票代碼 003032)

全國(guó)咨詢/投訴熱線:400-618-4000

怎樣使用Spark Shell來讀取HDFS文件?

更新時(shí)間:2020年12月21日17時(shí)07分 來源:傳智教育 瀏覽次數(shù):

好口碑IT培訓(xùn)

  下面通過啟動(dòng)Spark-Shell,并且使用Scala語言開發(fā)單詞計(jì)數(shù)的Spark程序,現(xiàn)有文本文件words.txt(讀者需要在本地創(chuàng)建文件并上傳至指定目錄)在HDFS中的/spark/test路徑下,且文本內(nèi)容如下。

hello hadoop
hello spark
hellp itcast

  如果使用Spark Shell來讀取HDFS中的/spark/test/ words.txt文件,具體步驟如下:

  1.整合Spark與HDFS

  Spark加載HDFS上的文件,需要修改spark-env.sh配置文件,添加HADOOP_CONF_DIR配置參數(shù),指定Hadoop配置文件的目錄,添加配置參數(shù)如下。

\#指定HDFS配置文件目錄
export HADOOP_CONF_DIR=/export/servers/hadoop-2.7.4/etc/hadoop

  2.啟動(dòng)Hadoop 、Spark服務(wù)

  配置完畢后,啟動(dòng)Hadoop集群服務(wù),并重新啟動(dòng)Spark集群服務(wù),使配置文件生效。

  3.啟動(dòng)Spark-Shell編寫程序

   啟動(dòng)Spark-Shell交互式界面,執(zhí)行命令如下。

$ bin/spark-shell --master local[2]

  執(zhí)行上述命令,Spark-Shell啟動(dòng)成功后,就會(huì)進(jìn)入如圖1所示的程序交互界面。

圖1 spark-shell模式

  Spark-Shell本身就是一個(gè)Driver,它會(huì)初始化一個(gè)SparkContext對(duì)象為“sc”,用戶可以直接調(diào)用。下面編寫Scala代碼實(shí)現(xiàn)單詞計(jì)數(shù),具體代碼如下。

scala > sc.textFile("/spark/test/words.txt").flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).collect
res0: Array[(String, Int)] = Array((itcast,1), (hello,3), (spark,1), (hadoop,1))

  上述代碼中,res0表示返回的結(jié)果對(duì)象,該對(duì)象中是一個(gè)Array]類型的集合,(itcast,1)則表示“itcast”單詞總計(jì)為1個(gè)。

  4.退出Spark-Shell客戶端

  可以使用命令“:quit”退出Spark-Shell,如下所示。

scala > :quit

猜你喜歡:

如何操作MapReduce的性能調(diào)優(yōu)?

HBase表常見Shell命令及具體語法操作講解

InputFormat接口的定義代碼怎么設(shè)置?

傳智大數(shù)據(jù)培訓(xùn)課程

0 分享到:
和我們?cè)诰€交談!