文章目錄

• Spark WordCount 案例
• • 1、程序連接 Spark
  • 2、WordCount 案例示例
  • 3、復雜版 WordCount
  • 4、Spark 框架Wordcount

10年積累的成都網(wǎng)站制作、成都網(wǎng)站建設經(jīng)驗，可以快速應對客戶對網(wǎng)站的新想法和需求。提供各種問題對應的解決方案。讓選擇我們的客戶得到更好、更有力的網(wǎng)絡服務。我雖然不認識你，你也不認識我。但先網(wǎng)站設計后付款的網(wǎng)站建設流程，更有盈江免費網(wǎng)站建設讓你可以放心的選擇與我們合作。Spark WordCount 案例 1、程序連接 Spark

首先這個Scala spark程序和spark的鏈接，跟sql編程類似。首先new 一個新的val context = SparkContext()對象，然后還要用到
val conf = SparkConf.setMaster("local").setAppName("WordCount")這個是配置信息，比如這個是本地連接所以里面是local，然后后面那個是程序的名字，這個寫完之后，吧這個conf對象放在SparkContext(conf)這里面。然后在程序的最后，用完了要關閉連接，context.stop()，使用stop方法關閉

2、WordCount 案例示例

先在D盤，把要測試的文件數(shù)據(jù)準備好

思路：首先連接之后，第一步是讀取文件,使用textFile()方法，里面的參數(shù)是要讀取的文件的路徑，然后把文件一行一行的讀取出來。第二步是使用flatMap(_.split(" "))方法，進行map映射和扁平化，把單詞按照空格分割開。第三步是groupBy(word =>word)按照單詞進行分組，一樣的單詞分到一組。第四步map()映射進行模式匹配，取去key和他的集合的size也就是單詞出現(xiàn)的次數(shù)。然后使用collect()方法將結果采集打印，最后使用foreach(println)進行遍歷。

package com.atguigu.bigdata.spark.core.wc

import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}

class spark01_WordCount {}
object spark01_WordCount{def main(args: Array[String]): Unit = {// Application 我們自己寫的應用程序
    // Spark 框架
    //用我們的應用程序去連接spark 就跟那個sql 編程一樣
    //TODD建立和Spark 框架的連接
     //1、Java里面是Conntection 進行連接
     //2、Scala 里有個類似的，SparkContext()
      //2.1 SparkConf()配置不然不曉得連的哪個. setMaster() 里面是本地連接,setAppName() 里面是app的名稱
    val sparkConf = new SparkConf().setMaster("local").setAppName("WordCount")
    val context = new SparkContext(sparkConf)
    println(context)

    //TODD 執(zhí)行業(yè)務操作
    //1、讀取文件,獲取一行一行的數(shù)據(jù) 這一步是扁平化
    //hello word
    val value = context.textFile("D:\\wc.txt") //textFile 可以吧文件一行一行的讀出來


    //2、將數(shù)據(jù)進行拆分，形成一個一個的單詞
    //扁平化：將整體拆分為個體的操作
    //"hello word" =>hello，word
    val danci: RDD[String] = value.flatMap(a =>a.split(" ")) //根據(jù)空格進行拆分


    //3、將數(shù)據(jù)根據(jù)單詞進行分組，便于統(tǒng)計
    //(hello,hello,hello,hello,hello),(word,word,word) 這個樣子的
    //按照單詞進行分組
    val wordGroup = danci.groupBy(word =>word) //按照單詞進行分組

    //4、對分組數(shù)的數(shù)據(jù)進行轉(zhuǎn)換
    //(hello,hello,hello,hello,hello),(word,word,word)
    //(hello,5),(word,3)
    val wordToCount =  wordGroup.map{//模式匹配
      case (word,list) =>{(word,list.size) //匹配，第一個是單詞。第二個是長度，這個長度就是單詞出現(xiàn)的次數(shù)
      }
    }

    //5、將轉(zhuǎn)換結果采集到控制臺打印出來
    val tuples = wordToCount.collect() //collect()方法，將結果采集打印
    tuples.foreach(println)



    //TODD 關閉連接
    context.stop() //這樣就關閉連接了


  }
}

3、復雜版 WordCount

因為之前那個是用size方法得到次數(shù)，但是這樣就不像是一個聚合操作，所以使用map映射，然后使用reduce 進行聚合操作，這樣來得到單詞出現(xiàn)的次數(shù)。

package com.atguigu.bigdata.spark.core.wc

import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}

//復雜版wordcount
class spark01_fuzaWrodCount {}
object spark01_fuzaWrodCount{def main(args: Array[String]): Unit = {//之前是使用size 方法，得出單詞出現(xiàn)的次數(shù)，但是那樣實現(xiàn)不像是個聚合功能，所以我們改善一下
    val sparkConf = new SparkConf().setMaster("local").setAppName("WordCount")
    val context = new SparkContext(sparkConf)
    println(context)

    //TODD 執(zhí)行業(yè)務操作
    //1、讀取文件,獲取一行一行的數(shù)據(jù) 這一步是扁平化
    //hello word
    val value = context.textFile("D:\\wc.txt") //textFile 可以吧文件一行一行的讀出來


    //2、將數(shù)據(jù)進行拆分，形成一個一個的單詞
    //扁平化：將整體拆分為個體的操作
    //"hello word" =>hello，word
    val danci: RDD[String] = value.flatMap(a =>a.split(" ")) //根據(jù)空格進行拆分

    val wordToOne: RDD[(String, Int)] = danci.map(word =>(word, 1)) //直接在這一步統(tǒng)計單詞出現(xiàn)的次數(shù)
    val wordGroup: RDD[(String, Iterable[(String, Int)])] = wordToOne.groupBy(t =>t._1) //然后按照方式，取第一個元素為分組的依據(jù)
    val wordToCount = wordGroup.map{//這一步不是用size了
      case (word,list) =>{list.reduce(
          (t1,t2) =>{(t1._1,t1._2 + t2._2)
          }
        )
      }
    }
    //這里不是直接size，而是進行reduce，聚合操作，將key給加起來
    //val wordCount2 = wordGroup.map{case (word,list)=>{ list.reduce((t1,t2)=>{(t1._1,t1._2+t2._2)})}}
    val array: Array[(String, Int)] = wordToCount.collect() //采集結果打印輸出
    array.foreach(println) //foreach()方法進行遍歷
    

    //TODD 關閉連接
    context.stop() //這樣就關閉連接了


  }
}

4、Spark 框架Wordcount

Spark框架里面有個方法，分組和聚合可以一個方法完成reduceByKey(_ + _)，這樣大大減少了代碼量，從讀取文件進來，到輸出結果四五行就能完成這個案例。

package com.atguigu.bigdata.spark.core.wc

import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark.rdd.RDD

//使用saprk框架進行統(tǒng)計
class spark02_sparkCount {}
object spark02_sparkCount{def main(args: Array[String]): Unit = {//之前是使用size 方法，得出單詞出現(xiàn)的次數(shù)，但是那樣實現(xiàn)不像是個聚合功能，所以我們改善一下
    val sparkConf = new SparkConf().setMaster("local").setAppName("WordCount")
    val context = new SparkContext(sparkConf)
    println(context)

    //TODD 執(zhí)行業(yè)務操作
    //1、讀取文件,獲取一行一行的數(shù)據(jù) 這一步是扁平化
    //hello word
    val value = context.textFile("D:\\wc.txt") //textFile 可以吧文件一行一行的讀出來


    //2、將數(shù)據(jù)進行拆分，形成一個一個的單詞
    //扁平化：將整體拆分為個體的操作
    //"hello word" =>hello，word
    val danci: RDD[String] = value.flatMap(a =>a.split(" ")) //根據(jù)空格進行拆分

    val wordToOne: RDD[(String, Int)] = danci.map(word =>(word, 1)) //直接在這一步統(tǒng)計單詞出現(xiàn)的次數(shù)

    //Spark 框架提供了更多的功能，可以將分組和聚合使用一個功能實現(xiàn)
    //reduceByKey():相同的key的數(shù)據(jù)，可以對value進行reduce聚合 這是spark提供的功能
    val wordCount = wordToOne.reduceByKey((x,y) =>x+y) //相當于同一個key 進行累加_ + _ 可以簡化成這樣


    val array: Array[(String, Int)] = wordCount.collect() //采集結果打印輸出
    array.foreach(println) //foreach()方法進行遍歷


    //TODD 關閉連接
    context.stop() //這樣就關閉連接了


  }
}

簡化下來就是這幾步

你是否還在尋找穩(wěn)定的海外服務器提供商？創(chuàng)新互聯(lián)www.cdcxhl.cn海外機房具備T級流量清洗系統(tǒng)配攻擊溯源，準確流量調(diào)度確保服務器高可用性，企業(yè)級服務器適合批量采購，新人活動首月15元起，快前往官網(wǎng)查看詳情吧

網(wǎng)站題目：SparkWordCount案例-創(chuàng)新互聯(lián)
網(wǎng)頁網(wǎng)址：http://vcdvsql.cn/article8/dgdcop.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站內(nèi)鏈、用戶體驗、響應式網(wǎng)站、網(wǎng)頁設計公司、動態(tài)網(wǎng)站、品牌網(wǎng)站制作

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)