spark入门知识和job任务提交流程
spark是Apache开源社区的一个分布式计算引擎，基于内存计算，所以速度要快于hadoop.下载
[*] 地址spark.apache.org
安装
[*] 复制一台单独的虚拟机，名c
[*] 修改其ip，192.168.56.200
[*] 修改其hostname为c，hostnamectl set-hostname c
[*] 修改/etc/hosts加入对本机的解析
[*] 重启网络服务 systemctl restart network
[*] 上传spark安装文件到root目录
[*] 解压spark到/usr/local下，将其名字修改为spark
本地运行模式
使用spark-submit提交job
[*] cd /usr/local/spark
[*] ./bin/spark-submit --class org.apache.spark.examples.SparkPi ./examples/jars/spark-examples_2.11-2.1.0.jar 10000
使用spark-shell进行交互式提交
[*] 创建root下的文本文件hello.txt
[*] ./bin/spark-shell
[*] 再次连接一个terminal，用jps观察进程，会看到spark-submit进程
[*] sc
[*] sc.textFile("/root/hello.txt")
[*] val lineRDD = sc.textFile("/root/hello.txt")
[*] lineRDD.foreach(println)
[*] 观察网页端情况
[*] val wordRDD = lineRDD.flatMap(line => line.split(" "))
[*] wordRDD.collect
[*] val wordCountRDD = wordRDD.map(word => (word,1))
[*] wordCountRDD.collect
[*] val resultRDD = wordCountRDD.reduceByKey((x,y)=>x+y)
[*] resultRDD.collect
[*] val orderedRDD = resultRDD.sortByKey(false)
[*] orderedRDD.collect
[*] orderedRDD.saveAsTextFile("/root/result")
[*] 观察结果
[*] 简便写法：sc.textFile("/root/hello.txt").flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).sortByKey().collect
使用local模式访问hdfs数据
[*] start-dfs.sh
[*] spark-shell执行：sc.textFile("hdfs://192.168.56.100:9000/hello.txt").flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).sortByKey().collect （可以把ip换成master，修改/etc/hosts）
[*] sc.textFile("hdfs://192.168.56.100:9000/hello.txt").flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).sortByKey().saveAsTextFile("hdfs://192.168.56.100:9000/output1")
spark standalone模式
[*] 在master和所有slave上解压spark
[*] 修改master上conf/slaves文件，加入slave
[*] 修改conf/spark-env.sh，export SPARK_MASTER_HOST=master
[*] 复制spark-env.sh到每一台slave
[*] cd /usr/local/spark
[*] ./sbin/start-all.sh
[*] 在c上执行：./bin/spark-shell --master spark://192.168.56.100:7077 (也可以使用配置文件)
[*] 观察http://master:8080
spark on yarn模式
页:
[1]