刚刚安装了Hadoop以及spark就非常兴奋的想要试用一下，我们还是拿Wordcount这个小应用来实验
首先实验本地版本的pyspark
$ pyspark
shell就启动起来了
>>> sc.master
u'local[*]'
可以看到是本地master
>>> text = sc.textFile("shakespeare.txt")
>>> from operator import add
>>> def token(text):
... return text.split()
...
>>> words = text.flatMap(token)
>>> wc = words.map(lambda x:(x,1))
>>> counts = wc.reduceByKey(add)
>>> counts.saveAsTextFile('wc')
在没有配置的情况下这样就可以了
如果要在Hadoop上运行spark那么就需要另外配置一下：
复制一下两个文件
$ cd $SPARK_HOME/conf
$ cp spark-env.sh.template spark-env.sh
$ cp slave.template slave
$ vim spark-env.sh
添加以下内容：
export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64
export HADOOP_HOME=/srv/hadoop
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
export SPARK_LOCAL_IP=127.0.0.1
export YARN_CONF_DIR=$HADOOP_HOME/etc/hadoop
$ vim slave
添加：
localhost 127.0.0.1
对了yarn-site.xml的配置看一下我前面配置Hadoop的那篇文章，不然有可能会报内存错误。
这时候可以启动Hadoop服务了
$ $HADOOP_HOME/sbin/start-dfs.sh
$ $HADOOP_HOME/sbin/start-yarn.sh
$ jps
5666 DataNode
6089 ResourceManager
5930 SecondaryNameNode
6250 NodeManager
5502 NameNode
6607 Jps
都启动起来了
之前的文章已经把文件放到Hadoop上面去过啦，不会的同学翻一下前面的文章。
我们再次启动pyspark，这次以yarn-client作为驱动程序，这种模式下驱动程序在客户端进程内运行，对于想获得及时结果或相依交互模式运行可以使用这个模式。还有一个模式是yarn-cluster，适合运行时间长或不需要用户干预的作业，驱动程序在ApplicationMaster内部进行。
pyspark --master yarn --deploy-mode client
>>> sc.master
u'yarn'
下面还是输入一样的代码
但这次我们是去hdfs上读文件，所以要用hdfs协议
>>> text = sc.textFile("hdfs://localhost:9000/user/hadoop/shakespeare.txt")
>>> from operator import add
>>> def token(text):
... return text.split()
...
>>> words = text.flatMap(token)
>>> wc = words.map(lambda x:(x,1))
>>> counts = wc.reduceByKey(add)
>>> counts.saveAsTextFile("wc")
检验一下成果吧～
$ hadoop fs -ls /user/hadoop/wc
Found 3 items
-rw-r--r-- 1 hadoop supergroup 0 2020-01-12 18:24 /user/hadoop/wc/_SUCCESS
-rw-r--r-- 1 hadoop supergroup 3074551 2020-01-12 18:24 /user/hadoop/wc/part-00000
-rw-r--r-- 1 hadoop supergroup 3085307 2020-01-12 18:24 /user/hadoop/wc/part-00001
$ hadoop fs -tail wc/part-00000 | less
u'winterstale@145208', 1)
(u'muchadoaboutnothing@65485', 1)
(u'midsummersnightsdream@99', 1)
(u'hamlet@147754', 1)
(u'tamingoftheshrew@36231', 1)
(u"'ld", 1)
(u'roars', 3)
(u'2kinghenryvi@83454', 1)
(u'kinghenryv@109398', 1)
(u'juliuscaesar@101945', 1)
(u'twogentlemenofverona@2385', 1)
(u'hamlet@107567', 1)
(u'hamlet@7588', 1)
(u"unmaster'd", 1)
(u'kinghenryviii@23697', 1)
(u'lance', 4)
(u'coriolanus@72688', 1)
(u'cymbeline@145819', 1)
(u"serpent's", 8)
(u'asyoulikeit@43360', 1)
(u'antonyandcleopatra@16482', 1)
(u'prolixious', 1)
(u'cymbeline@137535', 1)
(u'loveslabourslost@37179', 1)
(u'antonyandcleopatra@153227', 1)
(u'muchadoaboutnothing@75680', 1)
(u'SCROOP]', 1)
(u'kinghenryviii@9720', 1)
(u'prenez', 1)
(u'garb', 2)
(u'roar!', 1)
(u'Craves', 1)
(u'twelfthnight@27306', 1)
(u'palace!', 1)
(u'tempest@83776', 1)
(u'SELD', 1)
(u"Howsoe'er", 1)
(u'belied,', 1)
(u'twogentlemenofverona@74060', 1)
(u'timonofathens@55279', 1)
(u"warrant's", 1)
(u'vane', 2)
(u'roar;', 1)
(u'MOTH]', 7)
(u'belied.', 1)
(u'roar?', 2)
最后可以上这个管理页面看一下应用执行情况
http://localhost:8088/cluster
