spark 任务提交和部署
IDEA的maven开发环境
正常新建一个maven项目即可,可以选择maven 的quick-start模式
然后maven需要配置一个spark-core,还有一个maven打包scala的插件
xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
scala插件
首先去IDEA插件市场安scala插件,重启IDE
IDE项目结构
项目结构全局库中添加scala SDK或者下载也可以
项目设置 库 里添加scala。
Scala代码编写
package test
import org.apache.spark.{SparkConf, SparkContext}
/**
* @author:xuanchenwei
* @create: 2022-11-01 14:53
* @Description:
*/
object SimpleApp {
def main(args: Array[String]) {
val logFile = "/xcw/README.md" // Should be some file on your system
val conf = new SparkConf().setAppName("Simple Application").setMaster("local")
val sc = new SparkContext(conf)
val logData = sc.textFile(logFile, 2).cache()
val numAs = logData.filter(line => line.contains("a")).count()
val numBs = logData.filter(line => line.contains("b")).count()
println("Lines with a: %s, Lines with b: %s".format(numAs, numBs))
}
}
scala里类是object
地址默认是hdfs的地址,所以需要提前在hdfs中准备文件。
conf中master参数报错会说让你写master的url。实际是写spark的运行模式,比如cluster和standalone
scala打包
一定要确保安了scala的打包插件,不然提交的jar包会报错找不到类。(即使包名.类名没问题)
先在maven的控制台点clean,然后package。打包的文件在文件树的target文件夹。该jar包上传到linux即可
spark-commit
./spark-submit --class test.SimpleApp --master local:7077 /data/xcw/xcewkk-1.0-SNAPSHOT.jar
不管是scala还是java写的jar包最终都用该指令提交,pyspark用pyspark的submmit。
master表示master主机选项,local表示本地单机模式(local是本地单机,stadalone是集群中单节点,cluster是集群模式),7077是任务提交的端口。
class参数是放jar包的地方,需要包名+类名
最后的地址是指jar包位置
相关链接
大家都在找:
scala:scala安装及环境配置
jar:jar of love歌曲
spark:spark实训总结
发表评论