启动条件
下载好关于所需要的空间,配置好相应的环境,例如Scala,jdk
设置maven依赖项。修改pom.xml文件,添加如下:
<properties>
<maven.compiler.source>8</maven.compiler.source>
<maven.compiler.target>8</maven.compiler.target>
<project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
</properties>
<!-- 声明并引入共有的依赖-->
<dependencies>
<!-- scala-library-->
<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>3.2.2</version>
</dependency>
</dependencies>
</project>
编写代码如下
它的功能是wordcount的功能:从指定的文件夹中去读取文件,并做词频统计。
import org.apache.spark.{SparkConf, SparkContext}
object WordCount{
def main(args: Array[String]): Unit = {
// 配置 Spark 应用程序
val conf = new SparkConf().setAppName("WordCount").setMaster("local[*]")
// 创建 SparkContext 对象
val sc = new SparkContext(conf)
// 读取目录下的所有文本文件
val textFiles = sc.wholeTextFiles("input")
// 提取文本内容并执行 WordCount 操作
val counts = textFiles.flatMap { case (, content) => content.split("\\s+") }.map(word => (word, 1)).reduceByKey( + _)
// 将所有分区的数据合并成一个分区
val singlePartitionCounts = counts.coalesce(1)
// 保存结果到文件
singlePartitionCounts.saveAsTextFile("output")
// 停止 SparkContext
sc.stop()
}
}
最后准备待统计的词频文件。在项目根目录下建立文件夹input,并创建两个文本文件:word1.txt, word2.txt并运行就可以了