0
点赞
收藏
分享

微信扫一扫

成为一名高级前端开发工程师

北邮郭大宝 2023-07-06 阅读 57
java

任务描述

本关任务:使用Scala编写一个找出README.md文件中包含'a'的行数和包含'b'的行数的程序,并使用Maven对程序进行编译打包提交到Saprk上。

相关知识

在终端中执行如下命令创建一个文件夹 sparkapp3作为应用程序根目录:

 
  1. cd ~ # 进入用户主文件夹
  2. mkdir ./sparkapp3 # 创建应用程序根目录
  3. mkdir -p ./sparkapp3/src/main/scala # 创建所需的文件夹结构

在./sparkapp3/src/main/scala下建立一个名为SimpleApp.scala的文件(vim ./sparkapp3/src/main/scala/SimpleApp.scala),添加代码如下:

 
  1. /* SimpleApp.scala */
  2. import org.apache.spark.SparkContext
  3. import org.apache.spark.SparkContext._
  4. import org.apache.spark.SparkConf
  5. object SimpleApp {
  6. def main(args: Array[String]) {
  7. val logFile = "file:///usr/local/spark/README.md" // Should be some file on your system
  8. val conf = new SparkConf().setAppName("Simple Application")
  9. val sc = new SparkContext(conf)
  10. val logData = sc.textFile(logFile, 2).cache()
  11. val numAs = logData.filter(line => line.contains("a")).count()
  12. val numBs = logData.filter(line => line.contains("b")).count()
  13. println("Lines with a: %s, Lines with b: %s".format(numAs, numBs))
  14. }
  15. }

该程序计算 /usr/local/spark/README 文件中包含 “a” 的行数 和包含 “b” 的行数。代码第8行的 /usr/local/spark 为 Spark 的安装目录,如果不是该目录请自行修改。不同于 Spark shell,独立应用程序需要通过 val sc = new SparkContext(conf) 初始化 SparkContext,SparkContext 的参数 SparkConf 包含了应用程序的信息。 该程序依赖Spark Java API,因此我们需要通过Maven进行编译打包。在./sparkapp3目录中新建文件pom.xml,命令如下:

 
  1. cd ~/sparkapp3
  2. vim pom.xml

然后,在pom.xml文件中添加如下内容,用来声明该独立应用程序的信息以及与Spark的依赖关系:

 
  1. <project>
  2. <groupId>cn.edu.xmu</groupId>
  3. <artifactId>simple-project</artifactId>
  4. <modelVersion>4.0.0</modelVersion>
  5. <name>Simple Project</name>
  6. <packaging>jar</packaging>
  7. <version>1.0</version>
  8. <repositories>
  9. <repository>
  10. <id>jboss</id>
  11. <name>JBoss Repository</name>
  12. <url>http://repository.jboss.com/maven2/</url>
  13. </repository>
  14. </repositories>
  15. <dependencies>
  16. <dependency> <!-- Spark dependency -->
  17. <groupId>org.apache.spark</groupId>
  18. <artifactId>spark-core_2.12</artifactId>
  19. <version>3.0.2</version>
  20. </dependency>
  21. </dependencies>
  22. <build>
  23. <sourceDirectory>src/main/scala</sourceDirectory>
  24. <plugins>
  25. <plugin>
  26. <groupId>org.scala-tools</groupId>
  27. <artifactId>maven-scala-plugin</artifactId>
  28. <executions>
  29. <execution>
  30. <goals>
  31. <goal>compile</goal>
  32. </goals>
  33. </execution>
  34. </executions>
  35. <configuration>
  36. <scalaVersion>2.12.10</scalaVersion>
  37. <args>
  38. <arg>-target:jvm-1.8</arg>
  39. </args>
  40. </configuration>
  41. </plugin>
  42. </plugins>
  43. </build>
  44. </project>

为了保证Maven能够正常运行,先执行如下命令检查整个应用程序的文件结构:

 
  1. cd ~/sparkapp3
  2. find .

文件结构应该是类似如下的内容:

 
  1. .
  2. ./pom.xml
  3. ./src
  4. ./src/main
  5. ./src/main/scala
  6. ./src/main/scala/SimpleApp.scala

接下来,我们可以通过如下代码将整个应用程序打包成JAR包(注意:计算机需要保持连接网络的状态,而且首次运行打包命令时,Maven会自动下载依赖包,需要消耗几分钟的时间):

 
  1. cd ~/sparkapp3 #一定把这个目录设置为当前目录
  2. /usr/local/maven/bin/mvn package

如果屏幕返回如下信息,则说明生成JAR包成功:

生成的应用程序JAR包的位置为~/sparkapp3/target/simple-project-1.0.jar。如果运行Maven编译打包过程很慢,是因为需要到国外网站下载很多的依赖包,国外网站速度很慢,因此,要花费很长时间。为了加快速度,可以更改为国内的仓库地址。 最后,我们就可以将生成的 jar 包通过 spark-submit 提交到 Spark 中运行了,命令如下:

 
  1. /usr/local/spark/bin/spark-submit --class "SimpleApp" ~/sparkapp3/target/simple-project-1.0.jar
  2. #上面命令执行后会输出太多信息,可以不使用上面命令,而使用下面命令查看想要的结果
  3. /usr/local/spark/bin/spark-submit --class "SimpleApp" ~/sparkapp3/target/simple-project-1.0.jar > step5.txt #结果输出到step5.txt中
  4. cat step5.txt

得到的结果如下:

 
  1. Lines with a: 71, Lines with b: 38

到此,就顺利完成 Spark 应用程序的Maven编译打包运行了。

编程要求

根据提示,完成Maven对Sacal进行打包。


开始你的任务吧,祝你成功!

 

举报

相关推荐

0 条评论