集群模式执行Spark程序(第七弹)

Posted 2022-08-15 敲代码的老贾

#添加打包插件

在pom.xml文件中添加所需插件

插入内容如下：

<build>

    <sourceDirectory>src/main/scala</sourceDirectory>

    <testSourceDirectory>src/test/scala</testSourceDirectory>

    <plugins>

        <plugin>

            <groupId>net.alchim31.maven</groupId>

            <artifactId>scala-maven-plugin</artifactId>

            <version>3.2.2</version>

            <executions>

                <execution>

                    <goals>

                        <goal>compile</goal>

                        <goal>testCompile</goal>

                    </goals>

                    <configuration>

                        <args>

                            <arg>-dependencyfile</arg>

                            <arg>$project.build.directory/.scala_dependencies</arg>

                        </args>

                    </configuration>

                </execution>

            </executions>

        </plugin>

        <plugin>

            <groupId>org.apache.maven.plugins</groupId>

            <artifactId>maven-shade-plugin</artifactId>

            <version>2.4.3</version>

            <executions>

                <execution>

                    <phase>package</phase>

                    <goals>

                        <goal>shade</goal>

                    </goals>

                    <configuration>

                        <filters>

                            <filter>

                                <artifact>*:*</artifact>

                                <excludes>

                                    <exclude>META-INF/*.SF</exclude>

                                    <exclude>META-INF/*.DSA</exclude>

                                    <exclude>META-INF/*.RSA</exclude>

                                </excludes>

                            </filter>

                        </filters>

                        <transformers>

                            <transformer implementation=

                                                 "org.apache.maven.plugins.shade.resource.ManifestResourceTransformer">

                                <mainClass></mainClass>

                            </transformer>

                        </transformers>

                    </configuration>

                </execution>

            </executions>

        </plugin>

    </plugins>

</build>

等待加载

步骤1 将鼠标点在WordCount ,ctrl+c后ctrl+v复制，重新命名为WordCount_Online

步骤2 修改代码

3. 读取数据文件,RDD可以简单的理解为是一个集合，集合中存放的元素是String类型

val data : RDD[String] = sparkContext.textFile(args(0))

7. 把结果数据保存到HDFS上

result.saveAsTextFile(args(1))

修改以上这2行代码

步骤3 点击右边【maven projects】 —> 双击 【lifecycle】下的package，自动将项目打包成Jar包

[图片上传失败...(image-d48c38-1660375399984

打包成功标志： 显示BUILD SUCCESS，可以看到target目录下的2个jar包

步骤4 启动Hadoop集群才能访问web页面

$ start-all.sh

步骤5 访问192.168.196.101（master）:50070 点击【utilities】—>【browse the file system】

步骤6 点击【spark】 —>【test】，可以看到words.txt

步骤7 将words.txt删除

$ hadoop fs -rm /spark/test/words.txt

步骤8 刷新下页面。可以看到/spark/test路径下没有words.txt

步骤9 Alt+p,切到/opt/software,把含有第3方jar的spark_chapter02-1.0-SNAPSHOT.jar包拉进

先将解压的两个jar包复制出来

步骤10 也把F盘/word/words.txt直接拉进/opt/software

步骤11 查看有没有words.txt和spark_chapter02-1.0-SNAPSHOT.jar

步骤12 执行提交命令

$ *bin/spark-submit *

--master spark:// master:7077 \\

--executor-memory 1g \\

--total-executor-cores 1 \\

/opt/software/spark_chapter02-1.0-SNAPSHOT.jar \\

/spark/test/words.txt \\

/spark/test/out