我使用的安装文件是 spark-3.0.0-bin-without-hadoop.tgz ，以下内容均以此版本进行说明。使用 without 版本的安装包要进行 spark 和 hadoop 的关联配置【hadoo的版本是3.1.3】。
1.1 解压
我使用的是之前下载的安装包，也可以去官网下载，选择 Spark 版本【最新版本是3.1.2】和对应的 Hadoop 版本后再下载。
# 解压安装包并移动到/usr/local/下
tar -zxvf spark-3.0.0-bin-without-hadoop.tgz
mv ./spark-3.0.0-bin-without-hadoop/ /usr/local/spark
AI 代码解读
1.2 配置
配置环境变量的方法比较多，这里统一将环境变量放在 /etc/profile.d/my_env.sh 内。
# 配置环境变量：
[root@tcloud spark]# vim /etc/profile.d/my_env.sh
# 添加 SPARK_HOME 和 bin
export SPARK_HOME=/usr/local/spark
export PATH=$PATH:$SPARK_HOME/bin
# 使得配置的环境变量立即生效：
# 首先是要赋权限【只操作一次就行】
chmod +x /etc/profile.d/my_env.sh
source /etc/profile.d/my_env.sh
AI 代码解读
配置 ${SPARK_HOME}/conf/spark-env.sh 文件关联 spark-without-hadoop 和 hadoop【非without版本无需配置】
[root@tcloud conf]# cp spark-env.sh.template spark-env.sh
[root@tcloud conf]# vim spark-env.sh
# 添加以下内容
# 实际就是执行时在 CLASSPATH 中加入 Hadoop 的 Jar 包 【要根据Hadoop的安装路径配置】
export SPARK_DIST_CLASSPATH=$(/usr/local/hadoop-3.1.3/bin/hadoop classpath)
AI 代码解读
1.3 Local模式
Local 模式是最简单的一种运行方式，它采用单节点多线程方式运行，适合日常测试开发使用。
# 启动spark-shell
[root@tcloud spark]# spark-shell --master local[*]
2021-07-30 14:55:56,588 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
Setting default log level to "WARN".
To adjust logging level use sc.setLogLevel(newLevel). For SparkR, use setLogLevel(newLevel).
Spark context Web UI available at http://tcloud:4040
Spark context available as 'sc' (master = local[*], app id = local-1627628171095).
Spark session available as 'spark'.
Welcome to
____ __
/ __/__ ___ _____/ /__
_\ \/ _ \/ _ `/ __/ '_/
/___/ .__/\_,_/_/ /_/\_\ version 3.0.0
/_/
Using Scala version 2.12.10 (Java HotSpot(TM) 64-Bit Server VM, Java 1.8.0_251)
Type in expressions to have them evaluated.
Type :help for more information.
scala>
AI 代码解读
- local：只启动一个工作线程；
- local[k]：启动 k 个工作线程；
- local[*]：启动跟 cpu 数目相同的工作线程数。
进入 spark-shell 后，程序已经自动创建好了上下文 SparkContext ，等效于执行了下面的 Scala 代码：
val conf = new SparkConf().setAppName("Spark shell").setMaster("local[*]") val sc = new SparkContext(conf)AI 代码解读
2.第一个spark案例
词频统计案例应该是大部分学习 spark 的同学测试的第一个案例，安准备一个词频统计的文件样本 word.txt ，内容如下：
hadoop,spark,hive spark,hive,hbase,kafka hadoop,hive,sparkAI 代码解读
在 scala 交互式命令行中执行如下 Scala 语句【就这么一句就能实现词频统计 Java开发能想象到吗 :) 】
sc
.textFile("file:///home/spark/testFile/word.txt")
.flatMap(_.split(","))
.map((_, 1))
.reduceByKey(_ + _)
.saveAsTextFile("file:///home/spark/testFile/wordCount")
AI 代码解读
词频统计的结果：
[root@tcloud testFile]# cat ./wordCount/part-00000 (spark,3) (hive,3) (hadoop,2) (kafka,1) (hbase,1)AI 代码解读
同时还可以通过 Web UI 查看作业的执行情况，访问端口为 4040 ：
