spark概述与编程模型

qq591577286

　　

　　spark快的原因
1.内存计算
　　2.DAG
　　

　　spark shell已经初始化好了SparkContext，直接用sc调用即可
　　

　　

　　

　　lineage 血统
　　RDD wide and narrow dependencies
　　窄依赖每个 RDD partition最多被一个子RDD partirion依赖

　　

　　

　　/sbin（system binary)放的都是涉及系统管理的命令。
有些系统里面，普通用户没有执行这些命令的权限。
有些系统里面，普通用户的PATH不包括/sbin
　　

　　

　　data.cache  数据放到内存中

　　spark-submit提交任务

　　

　　scala代码
package cn.chinahadoop.spark
import org.apache.spark.{SparkContext, SparkConf}
import scala.collection.mutable.ListBuffer
import org.apache.spark.SparkContext._
/**
* Created by chenchao on 14-3-1.
*/
class Analysis {
}
object Analysis{
  def main(args : Array[String]){
    if(args.length != 2){
      println("Usage : java -jar code.jar  file_location save_location")
      System.exit(0)
    }
   
    val conf = new SparkConf()
    conf.setSparkHome("/data/software/crazyjvm/spark")

    val sc = new SparkContext(conf)
    val data = sc.textFile(args(0))
    data.cache
    println(data.count)
    data.filter(_.split(' ').length == 3).map(_.split(' ')(1)).map((_,1)).reduceByKey(_+_)
    .map(x => (x._2, x._1)).sortByKey(false).map( x => (x._2, x._1)).saveAsTextFile(args(1))
  }
}