Spark 獨(dú)立應(yīng)用程序

獨(dú)立應(yīng)用程序

現(xiàn)在假設(shè)我們想要使用 Spark API 寫一個(gè)獨(dú)立的應(yīng)用程序。我們將通過(guò)使用 Scala(用 SBT)，Java(用 Maven) 和 Python 寫一個(gè)簡(jiǎn)單的應(yīng)用程序來(lái)學(xué)習(xí)。

我們用 Scala 創(chuàng)建一個(gè)非常簡(jiǎn)單的 Spark 應(yīng)用程序。如此簡(jiǎn)單，事實(shí)上它的名字叫 SimpleApp.scala：

/* SimpleApp.scala */
import org.apache.spark.SparkContext
import org.apache.spark.SparkContext._
import org.apache.spark.SparkConf

object SimpleApp {
  def main(args: Array[String]) {
    val logFile = "YOUR_SPARK_HOME/README.md" // 應(yīng)該是你系統(tǒng)上的某些文件
    val conf = new SparkConf().setAppName("Simple Application")
    val sc = new SparkContext(conf)
    val logData = sc.textFile(logFile, 2).cache()
    val numAs = logData.filter(line => line.contains("a")).count()
    val numBs = logData.filter(line => line.contains("b")).count()
    println("Lines with a: %s, Lines with b: %s".format(numAs, numBs))
  }
}

這個(gè)程序僅僅是在 Spark README 中計(jì)算行里面包含 'a' 和包含 'b' 的次數(shù)。你需要注意將 YOUR_SPARK_HOME 替換成你已經(jīng)安裝 Spark 的路徑。不像之前的 Spark Shell 例子，這里初始化了自己的 SparkContext，我們把 SparkContext 初始化作為程序的一部分。

我們通過(guò) SparkContext 的構(gòu)造函數(shù)參入 SparkConf 對(duì)象，這個(gè)對(duì)象包含了一些關(guān)于我們程序的信息。

我們的程序依賴于 Spark API，所以我們需要包含一個(gè) sbt 文件文件，simple.sbt 解釋了 Spark 是一個(gè)依賴。這個(gè)文件還要補(bǔ)充 Spark 依賴于一個(gè) repository：

name := "Simple Project"

version := "1.0"

scalaVersion := "2.10.4"

libraryDependencies += "org.apache.spark" %% "spark-core" % "1.2.0"

要讓 sbt 正確工作，我們需要把 SimpleApp.scala 和 simple.sbt 按照標(biāo)準(zhǔn)的文件目錄結(jié)構(gòu)布局。上面的做好之后，我們可以把程序的代碼創(chuàng)建成一個(gè) JAR 包。然后使用 spark-submit 來(lái)運(yùn)行我們的程序。

# Your directory layout should look like this
$ find .
.
./simple.sbt
./src
./src/main
./src/main/scala
./src/main/scala/SimpleApp.scala

# Package a jar containing your application
$ sbt package
...
[info] Packaging {..}/{..}/target/scala-2.10/simple-project_2.10-1.0.jar

# Use spark-submit to run your application
$ YOUR_SPARK_HOME/bin/spark-submit \
  --class "SimpleApp" \
  --master local[4] \
  target/scala-2.10/simple-project_2.10-1.0.jar
...
Lines with a: 46, Lines with b: 23