Idea 使用Maven创建Spark WordCount 案例
文章出处 http://blog.csdn.net/whzhaochao/article/details/72358215
写在前面
一直想学习一下大数相关知识，之前感觉门槛有点高，跑一个HelloWorld需要安装配置一大堆东西，最近有点时间，重新想学习一下大数据相关知识，这次我选择了Scala+Spark，感觉入门比较容易，也是现在大数据主流使用的技术吧，想升职加薪，撑握大数据分析还是很有必要的！
Maven选择
Scala环境搭建主要是两种方式一种是传统的Maven还有一种是Sbt，不过使用Sbt一直都是慢爆了，找了很多解决方法还是很慢，所以Maven是个很好的替代品，从Java过来的应该都会
创建项目
1.使用Idea创建新的Maven项目，勾选Create from archetype 然后选择canel-archetype-scala,如下图所示
2.这个archetype会生成很多我们用不到的东西，所以删除Pom中不需要的东西，使用如下pom配置 ，然后再删除项目中自动生成的类
<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/maven-v4_0_0.xsd">
<modelVersion>4.0.0</modelVersion>
<groupId>com.spark</groupId>
<artifactId>helloSpark</artifactId>
<packaging>jar</packaging>
<version>1.0-SNAPSHOT</version>
<name>A Camel Scala Route</name>
<dependencies>
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-core_2.11</artifactId>
<version>2.0.0</version>
</dependency>
</dependencies>
<build>
<sourceDirectory>src/main/scala</sourceDirectory>
<plugins>
<plugin>
<groupId>net.alchim31.maven</groupId>
<artifactId>scala-maven-plugin</artifactId>
<version>3.2.0</version>
</plugin>
</plugins>
</build>
</project>
3.创建我们自己的helloSpark.scala
package com.spark
import org.apache.spark.{SparkConf, SparkContext}
object helloSpark {
def main(args: Array[String]): Unit = {
//设置本机Spark配置
val conf = new SparkConf().setAppName("wordCount").setMaster("local")
//创建Spark上下
val sc = new SparkContext(conf)
//从文件中获取数据
val input = sc.textFile("D:\\data\\1.txt")
//分析并排序输出统计结果
input.flatMap(line => line.split(" ")).map(word => (word, 1)).reduceByKey((x, y) => x + y).sortBy(_._2,false).foreach(println _)
}
}
计算过程分析
- flatMap(line => line.split(” “)) 按安空格拆分文件中单词
- map(word => (word, 1)) 将每个词映射成 (word,1)，word是重复的
- reduceByKey((x, y) => x + y) 将key相同的单词相加得到，word不重复
- sortBy(_._2,false) 按词数量排序
- foreach(println _) 输出结题
4.输出结果
