2021-04-26

实时计算框架:Spark集群搭建与入门案例

Spark是专为大规模数据处理而设计的,基于内存快速通用,可扩展的集群计算引擎,实现了高效的DAG执行引擎,可以通过基于内存来高效处理数据流,运算速度相比于MapReduce得到了显著的提高。

一、Spark概述

1、Spark简介

Spark是专为大规模数据处理而设计的,基于内存快速通用,可扩展的集群计算引擎,实现了高效的DAG执行引擎,可以通过基于内存来高效处理数据流,运算速度相比于MapReduce得到了显著的提高。

2、运行结构

Driver

运行Spark的Applicaion中main()函数,会创建SparkContext,SparkContext负责和Cluster-Manager进行通信,并负责申请资源、任务分配和监控等。

ClusterManager

负责申请和管理在WorkerNode上运行应用所需的资源,可以高效地在一个计算节点到数千个计算节点之间伸缩计算,目前包括Spark原生的ClusterManager、ApacheMesos和HadoopYARN。

Executor

Application运行在WorkerNode上的一个进程,作为工作节点负责运行Task任务,并且负责将数据存在内存或者磁盘上,每个 Application都有各自独立的一批Executor,任务间相互独立。

二、环境部署

1、Scala环境

安装包管理

[root@hop01 opt]# tar -zxvf scala-2.12.2.tgz[root@hop01 opt]# mv scala-2.12.2 scala2.12

配置变量

[root@hop01 opt]# vim /etc/profileexport SCALA_HOME=/opt/scala2.12export PATH=$PATH:$SCALA_HOME/bin[root@hop01 opt]# source /etc/profile

版本查看

[root@hop01 opt]# scala -version

Scala环境需要部署在Spark运行的相关服务节点上。

2、Spark基础环境

安装包管理

[root@hop01 opt]# tar -zxvf spark-2.1.1-bin-hadoop2.7.tgz[root@hop01 opt]# mv spark-2.1.1-bin-hadoop2.7 spark2.1

配置变量

[root@hop01 opt]# vim /etc/profileexport SPARK_HOME=/opt/spark2.1export PATH=$PATH:$SPARK_HOME/bin[root@hop01 opt]# source /etc/profile

版本查看

[root@hop01 opt]# spark-shell

3、Spark集群配置

服务节点

[root@hop01 opt]# cd /opt/spark2.1/conf/[root@hop01 conf]# cp slaves.template slaves[root@hop01 conf]# vim slaveshop01hop02hop03

环境配置

[root@hop01 conf]# cp spark-env.sh.template spark-env.sh[root@hop01 conf]# vim spark-env.shexport JAVA_HOME=/opt/jdk1.8export SCALA_HOME=/opt/scala2.12export SPARK_MASTER_IP=hop01export SPARK_LOCAL_IP=安装节点IPexport SPARK_WORKER_MEMORY=1gexport HADOOP_CONF_DIR=/opt/hadoop2.7/etc/hadoop

注意SPARK_LOCAL_IP的配置。

4、Spark启动

依赖Hadoop相关环境,所以要先启动。

启动:/opt/spark2.1/sbin/start-all.sh停止:/opt/spark2.1/sbin/stop-all.sh

这里在主节点会启动两个进程:Master和Worker,其他节点只启动一个Worker进程。

5、访问Spark集群

默认端口是:8080。

运行基础案例:

[root@hop01 spark2.1]# cd /opt/spark2.1/[root@hop01 spark2.1]# bin/spark-submit --class org.apache.spark.examples.SparkPi --master local examples/jars/spark-examples_2.11-2.1.1.jar运行结果:Pi is roughly 3.1455357276786384

三、开发案例

1、核心依赖

依赖Spark2.1.1版本:

<dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-core_2.11</artifactId> <version>2.1.1</version></dependency>

引入Scala编译插件:

<plugin> <groupId>net.alchim31.maven</groupId> <artifactId>scala-maven-plugin</artifactId> <version>3.2.2</version> <executions>  <execution>   <goals>    <goal>compile</goal>    <goal>testCompile</goal>   </goals>  </execution> </executions></plugin>

2、案例代码开发

读取指定位置的文件,并输出文件内容单词统计结果。

@RestControllerpublic class WordWeb implements Serializable { @GetMapping("/word/web") public String getWeb (){  // 1、创建Spark的配置对象  SparkConf sparkConf = new SparkConf().setAppName("LocalCount")            .setMaster("local[*]");  // 2、创建SparkContext对象  JavaSparkContext sc = new JavaSparkContext(sparkConf);  sc.setLogLevel("WARN");  // 3、读取测试文件  JavaRDD lineRdd = sc.textFile("/var/spark/test/word.txt");  // 4、行内容进行切分  JavaRDD wordsRdd = lineRdd.flatMap(new FlatMapFunction() {   @Override   public Iterator call(Object obj) throws Exception {    String value = String.valueOf(obj);    String[] words = value.split(",");    return Arrays.asList(words).iterator();   }  });  // 5、切分的单词进行标注  JavaPairRDD wordAndOneRdd = wordsRdd.mapToPair(new PairFunction() {   @Override   public Tuple2 call(Object obj) throws Exception {    //将单词进行标记:    return new Tuple2(String.valueOf(obj), 1);   }  });  // 6、统计单词出现次数  JavaPairRDD wordAndCountRdd = wordAndOneRdd.reduceByKey(new Function2() {   @Override   public Object call(Object obj1, Object obj2) throws Exception {    return Integer.parseInt(obj1.toString()) + Integer.parseInt(obj2.toString());   }  });  // 7、排序  JavaPairRDD sortedRdd = wordAndCountRdd.sortByKey();  List<Tuple2> finalResult = sortedRdd.collect();  // 8、结果打印  for (Tuple2 tuple2 : finalResult) {   System.out.println(tuple2._1 + " ===> " + tuple2._2);  }  // 9、保存统计结果  sortedRdd.saveAsTextFile("/var/spark/output");  sc.stop();  return "success" ; }}

打包执行结果:

查看文件输出:

[root@hop01 output]# vim /var/spark/output/part-00000

四、源代码地址

GitHub·地址https://github.com/cicadasmile/big-data-parentGitEE·地址https://gitee.com/cicadasmile/big-data-parent

阅读标签

【Java基础】【设计模式】【结构与算法】【Linux系统】【数据库】

【分布式架构】【微服务】【大数据组件】【SpringBoot进阶】【Spring&Boot基础】

【数据分析】【技术导图】【 职场】

技术系列

OLAP引擎:Druid组件进行数据统计分析

OLAP引擎:Presto组件跨数据源分析

OLAP引擎:ClickHouse高性能列式查询









原文转载:http://www.shaoqun.com/a/708735.html

跨境电商:https://www.ikjzd.com/

yiqu:https://www.ikjzd.com/w/210

笨鸟转运:https://www.ikjzd.com/w/1550


Spark是专为大规模数据处理而设计的,基于内存快速通用,可扩展的集群计算引擎,实现了高效的DAG执行引擎,可以通过基于内存来高效处理数据流,运算速度相比于MapReduce得到了显著的提高。一、Spark概述1、Spark简介Spark是专为大规模数据处理而设计的,基于内存快速通用,可扩展的集群计算引擎,实现了高效的DAG执行引擎,可以通过基于内存来高效处理数据流,运算速度相比于MapReduc
grab:https://www.ikjzd.com/w/841
landing:https://www.ikjzd.com/w/2368
costco:https://www.ikjzd.com/w/1680
ASOS Marketplace:https://www.ikjzd.com/w/455
小姨子洗完澡穿吊带勾引我:http://www.30bags.com/a/251734.html
2018年假日购物季在线销售额或达1199亿美元,黑色星期五是首选!:https://www.ikjzd.com/home/7808

No comments:

Post a Comment