Spark测试 spark测试软件怎么使用 | 您所在的位置:网站首页 › mysql测试是否安装成功的软件 › Spark测试 spark测试软件怎么使用 |
1.实验学时 4学时 2.实验目的 熟悉Spark Shell。编写Spark的独立的应用程序。3.实验内容 (一)完成Spark的安装,熟悉Spark Shell。 首先安装spark: 将下好的压缩文件传入linux,然后进行压解: 之后移动文件,修改文件权限: 然后是配置相关的文件: Vim进入进行修改: 然后是运行程序判断是否安装完成: 由于信息太多,这时需要筛选信息: 运行示例代码输出小数。 然后是shell编程: 首先启动spark: 可以先进行测试,输入1+4看看输出: 测试完成,开始使用命令读取文件: 首先加载本地的文件,这些本地的文件是自带的spark测试文件。 这里读取README.md文件测试。 加载HDFS文件和本地文件都是使用textFile,区别是添加前缀(hdfs://和file:///)进行标识。 之后是简单的操作: 1.读取本地文件: 获得文件第一行内容 文件内容计数 获得含有spark的行,同时返回新的一个RDD 之后统计这个新的RDD的行数: 2.读取hdfs文件,这里首先要启动hadoop 然后读取文件: 然后使用cat命令获取文件内容: 之后切换spark编写语句打印hdfs文件中的第一行内容: (二)使用Spark程序编写wordcount程序。 这里使用本地的文件实现词频统计程序: 首先是打开文件: 之后遍历文件中的内容,对每个单词进行切分归类,后面使用flatMap命令为的是得到一个关于单词的集合。 得到这些单词的集合之后,开始使用键值对的方式对出现的单词进行计数,每出现一次就使用键值对计算一次。之后计算就得到了每个单词的词频: (三)使用scala编写Spark程序。 使用spark进行编程需要卸载sbt文件进行辅助,这里先安装spark。 先创建一个文件夹: 然后压缩文件,将文件移动到新建好的文件夹下: 之后在对应的sbt文件夹下创建一个脚本文件,用于启动sbt。 脚本文件代码如下: 然后为文件增加权限: 之后可以查看sbt版本信息: 这里可以看到sbt的版本是1.38>这里会下载一些数据包,需要进行等待。+ 执行成功。 之后就可以执行命令创建文件夹作为程序根目录 之后创建代码文件输入代码: /* SimpleApp.scala */ import org.apache.spark.SparkContext import org.apache.spark.SparkContext._ import org.apache.spark.SparkConf object SimpleApp { def main(args: Array[String]) { val logFile = "file:///usr/local/spark/README.md" // Should be some file on your system val conf = new SparkConf().setAppName("Simple Application") 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)) } }之后保存之后就使用sbt打包scala应用程序: 首先在对应的路径下创建对应的编译文件实现程序编写: 为了保证程序正常运行,需要检查整个应用程序的文件结构: 查找之后: 之后就可以将整个应用程序打包成为JAR: 这个时候就会在网上下载东西,等几分钟之后就会生成对应的jar包之后返回一些信息。 之后返回的信息: 之后可以使用jar包通过spark-submit在spark中运行,使用代码直接得到结果: (四)使用java编写Spark程序,熟悉maven打包过程。 首先下载maven,之后进行压缩: 之后移动文件夹: 之后是编写java程序: 首先创建java文件,之后输入代码: /*** SimpleApp.java ***/ import org.apache.spark.api.java.*; import org.apache.spark.api.java.function.Function; import org.apache.spark.SparkConf; public class SimpleApp { public static void main(String[] args) { String logFile = "file:///usr/local/spark/README.md"; // Should be some file on your system SparkConf conf=new SparkConf().setMaster("local").setAppName("SimpleApp"); JavaSparkContext sc=new JavaSparkContext(conf); JavaRDD logData = sc.textFile(logFile).cache(); long numAs = logData.filter(new Function() { public Boolean call(String s) { return s.contains("a"); } }).count(); long numBs = logData.filter(new Function() { public Boolean call(String s) { return s.contains("b"); } }).count(); System.out.println("Lines with a: " + numAs + ", lines with b: " + numBs); } }这个程序依赖于spark java apl,所以需要使用maven进行打包。 之后使用vim在对应目录下建立xml文件 输入代码: cn.edu.xmu simple-project 4.0.0 Simple Project jar 1.0 jboss JBoss Repository http://repository.jboss.com/maven2/ org.apache.spark spark-core_2.11 2.4.0然后使用maven打包java程序: 首先检查文件结构: 然后使用代码将整个程序打包成为jar包,在打包的时候会接入网络下载文件。 发现程序正常运行。 然后通过spark-submit运行程序: 查看结果: 通过spark-submit运行程序,得到结果: 4.思考题 (一)Hadoop和Spark直接的区别在哪里?谁的性能更好? Hadoop的框架最核心的设计就是:HDFS 和 Map Reduce。HDFS为海量的数据提供了存储,则MapReduce为海量的数据提供了计算。 Spark 拥有Hadoop MapReduce所具有的优点;但不同于MapReduce的是——Job中间输出结果可以保存在内存中,从而不再需要读写HDFS Hadoop是磁盘级计算,计算时需要在磁盘中读取数据;其采用的是MapReduce的逻辑,把数据进行切片计算用这种方式来处理大量的离线数据. Spark,它会在内存中以接近“实时”的时间完成所有的数据分析。Spark的批处理速度比MapReduce快近10倍,内存中的数据分析速度则快近100倍。 综合上面的数据,可以判断Spark的速度会比Hadoop更快,Spark的性能会更加好。 5.实验结论或体会 1. 加载HDFS文件和本地文件都是使用textFile,区别是添加前缀(hdfs://和file:///)进行标识。 2.编写程序的时候,需要使用到maven进行程序的打包。 3.进行打包的时候需要对路径进行判断,防止路径错误导致的数据文件的丢失。 4.在进行打包的时候需要进行等待软件包下载好,否则再次进行打包的时候会产生数据的流失。 |
CopyRight 2018-2019 实验室设备网 版权所有 |