版权声明:版权声明:本文为博主原创文章,转载请附上博文链接! https://blog.csdn.net/qq_42246689/article/details/86062997
8、Spark的WordCount
8.1、Scala 版本的 WordCount
packge com.mazh.spark
import org.apache.spark.{SparkConf, SparkContext}
/*
*作者:https://blog.csdn.net/qq_42246689
*
*/
object WordCount {
def main(args: Array[String]): Unit = {
// 创建一个 SparkConf对象,并设置程序的名称
val conf = new SparkConf().setAppName("WordCount")
conf.setMaster("local")
// 创建一个 SparkContext对象
val sc = new SparkContext(conf)
// 读取 HDFS上的文件构建一个 RDD
val fileRDD = sc.textFile("hdfs://myha01/spark/wc/input")
// val fileRDD = sc.textFile(args(0))
// 构建一个单词 RDD
val wordAndOneRDD = fileRDD.flatMap(_.split(" ")).map((_, 1))
// 进行单词的聚合
val resultRDD = wordAndOneRDD.reduceByKey(_+_)
// 对 resultRDD进行单词出现次数的降序排序,然后写出结果到 HDFS
resultRDD.sortBy(_._2,
false).saveAsTextFile("hdfs://myha01/spark/wc/output_spark33")
// resultRDD.sortBy(_._2, false).saveAsTextFile(args(1))
sc.stop()
}
}
8.2、Java7版本的WordCount
package com.mazh.spark.wc;
import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.api.java.function.FlatMapFunction;
import org.apache.spark.api.java.function.Function2;
import org.apache.spark.api.java.function.PairFunction;
import scala.Tuple2;
import java.util.Arrays;
import java.util.Iterator;
public class JavaWordCount {
public static void main(String[] args){
if(args.length!=2){
System.out.println("Usage:JavaWordCount<input><output>");
System.exit(1);
}
SparkConf conf = new SparkConf();
conf.setMaster("local");
conf.setAppName(JavaWordCount.class.getSimpleName());
JavaSparkContext jsc = new JavaSparkContext(conf);
JavaRDD<String> line = jsc.textFile(args[0]);
// 切割压平 flatMap() 两个参数,一个输入类型,一个输出类型
JavaRDD<String> jrdd1 = line.flatMap(new FlatMapFunction<String, String>()
{
@Override
public Iterator<String> call(String s) throws Exception {
// 该方法的返回值类型是 Iterator, 需要把 Array类型的结果转换为迭代器类型的
return Arrays.asList(s.split(" ")).iterator();
}
});
// 和 1
组合成元组 mapToPair() 第一个参数,输入数据类型,第二个参数是元组的 key
类
型,第三个参数是元组的 value
类型
JavaPairRDD<String, Integer> javaPairRDD = jrdd1.mapToPair(new
PairFunction<String, String, Integer>() {
@Override
public Tuple2<String, Integer> call(String s) throws Exception {
return new Tuple2<String, Integer>(s, 1);
}
});
// 分组聚合 reduceByKey() (a,b)=>a+b 第三个参数:返回值的类型 JavaPairRDD<String, Integer> result = javaPairRDD.reduceByKey(new
Function2<Integer, Integer, Integer>() {
@Override
public Integer call(Integer v1, Integer v2) throws Exception {
return v1 + v2;
}
});
// 先在本地测试一下
/* result.foreach(new VoidFunction<Tuple2<String, Integer>>() {
@Override
public void call(Tuple2<String, Integer> tuple) throws Exception {
System.out.println(tuple);
}
});*/
// 可以进行排序
JavaPairRDD<Integer, String> res1 = result.mapToPair(new
PairFunction<Tuple2<String, Integer>, Integer, String>() {
@Override
public Tuple2<Integer, String> call(Tuple2<String, Integer> t) throws
Exception {
return t.swap();
}
});
// 排序,默认是升序,如果需要降序,参数 false
JavaPairRDD<Integer, String> res2 = res1.sortByKey(false);
JavaPairRDD<String, Integer> finalRes = res2.mapToPair(new
PairFunction<Tuple2<Integer, String>, String, Integer>() {
@Override
public Tuple2<String, Integer> call(Tuple2<Integer, String> t) throws
Exception {
return t.swap();
}
});
// 保存
finalRes.saveAsTextFile(args[1]);
// 释放资源
jsc.close();
}
}
8.3、Java8 Lambda 表达式版本的 WordCount
package com.mazh.spark.wc;
import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;
import scala.Tuple2;
import java.util.Arrays;
public class JavaLambdaWordCount {
public static void main(String[] args){
if(args.length!=2){
System.out.println("Usage JavaLambdaWordCount<input><output>");
System.exit(1);
}
SparkConf conf = new SparkConf();
conf.setMaster("local");
conf.setAppName(JavaLambdaWordCount.class.getSimpleName());
JavaSparkContext jsc = new JavaSparkContext(conf);
// 读取数据
JavaRDD<String> jrdd = jsc.textFile(args[0]);
// 切割压平
JavaRDD<String> jrdd2 = jrdd.flatMap(t -> Arrays.asList(t.split("
")).iterator());
// 和 1组合
JavaPairRDD<String, Integer> jprdd = jrdd2.mapToPair(t -> new
Tuple2<String, Integer>(t, 1));
// 分组聚合
JavaPairRDD<String, Integer> res = jprdd.reduceByKey((a, b) -> a + b);
// 保存
res.saveAsTextFile(args[1]);
// 释放资源
jsc.close();
}
}