1.Spark概述

Spark 是一個(gè)用來實(shí)現(xiàn)快速而通用的集群計(jì)算的平臺(tái)。

在速度方面， Spark 擴(kuò)展了廣泛使用的 MapReduce 計(jì)算模型，而且高效地支持更多計(jì)算模式，包括交互式查詢和流處理。 在處理大規(guī)模數(shù)據(jù)集時(shí)，速度是非常重要的。速度快就意味著我們可以進(jìn)行交互式的數(shù)據(jù)操作， 否則我們每次操作就需要等待數(shù)分鐘甚至數(shù)小時(shí)。

Spark 的一個(gè)主要特點(diǎn)就是能夠在內(nèi)存中進(jìn)行計(jì)算， 因而更快。不過即使是必須在磁盤上進(jìn)行的復(fù)雜計(jì)算， Spark 依然比 MapReduce 更加高效。

2.Spark生態(tài)系統(tǒng)

3.Spark學(xué)網(wǎng)站

1）databricks 網(wǎng)站

2）spark 官網(wǎng)

3）github 網(wǎng)站

4.Spark2.x源碼下載及編譯生成版本

1）Spark2.2源碼下載到bigdata-pro02.kfk.com節(jié)點(diǎn)的/opt/softwares/目錄下。

解壓

tar -zxf spark-2.2.0.tgz -C /opt/modules/

2）spark2.2編譯所需要的環(huán)境：Maven3.3.9和Java8

3）Spark源碼編譯的方式：Maven編譯、SBT編譯（暫無）和打包編譯make-distribution.sh

a）下載Jdk8并安裝

tar -zxf jdk8u11-linux-x64.tar.gz -C /opt/modules/

b）JAVA_HOME配置/etc/profile

vi /etc/profile

export JAVA_HOME=/opt/modules/jdk1.8.0_11

編輯退出之后，使之生效

source /etc/profile

c）如果遇到不能加載當(dāng)前版本的問題

rpm -qa|grep jdk

rpm -e --nodeps jdk版本

which java 刪除/usr/bin/java

d）下載并解壓Maven

下載Maven

解壓maven

tar -zxf apache-maven-3.3.9-bin.tar.gz -C /opt/modules/

配置MAVEN_HOME

vi /etc/profile

export MAVEN_HOME=/opt/modules/apache-maven-3.3.9

export MAVEN_OPTS="-Xmx2g -XX:MaxPermSize=1024M -XX:ReservedCodeCacheSize=1024M"

編輯退出之后，使之生效

source /etc/profile

查看maven版本

mvn -version

e）編輯make-distribution.sh內(nèi)容，可以讓編譯速度更快

VERSION=2.2.0

SCALA_VERSION=2.11.8

SPARK_HADOOP_VERSION=2.5.0

#支持spark on hive

SPARK_HIVE=1

4）通過make-distribution.sh源碼編譯spark

./dev/make-distribution.sh --name custom-spark --tgz -Phadoop-2.5 -Phive -Phive-thriftserver? -Pyarn

#編譯完成之后解壓

tar -zxf spark-2.2.0-bin-custom-spark.tgz -C /opt/modules/

5.scala安裝及環(huán)境變量設(shè)置

1）下載

2）解壓

tar -zxf scala-2.11.8.tgz -C /opt/modules/

3）配置環(huán)境變量

vi /etc/profile

export SCALA_HOME=/opt/modules/scala-2.11.8

4）編輯退出之后，使之生效

source /etc/profile

6.spark2.0本地模式運(yùn)行測(cè)試

1）啟動(dòng)spark-shell測(cè)試

./bin/spark-shell

scala> val textFile = spark.read.textFile("README.md")

textFile: org.apache.spark.sql.Dataset[String] = [value: string]

?

scala> textFile.count()

res0: Long = 126

?

scala> textFile.first()

res1: String = # Apache Spark

?

scala> val linesWithSpark = textFile.filter(line => line.contains("Spark"))

linesWithSpark: org.apache.spark.sql.Dataset[String] = [value: string]

?

scala> textFile.filter(line => line.contains("Spark")).count() // How many lines contain "Spark"?

res3: Long = 15

2）詞頻統(tǒng)計(jì)

a）創(chuàng)建一個(gè)本地文件stu.txt

vi /opt/datas/stu.txt

hadoop? storm?? spark

hbase?? spark?? flume

spark?? dajiangtai???? spark

hdfs??? mapreduce????? spark

hive??? hdfs??? solr

spark?? flink?? storm

hbase?? storm?? es?????

solr??? dajiangtai???? scala

linux?? java??? scala

python? spark?? mlib

kafka?? spark?? mysql

spark?? es????? scala

azkaban oozie?? mysql

storm?? storm?? storm

scala?? mysql?? es

spark?? spark?? spark

b）spark-shell 詞頻統(tǒng)計(jì)

./bin/spark-shell

scala> val rdd = spark.read.textFile("/opt/datas/stu.txt")

#詞頻統(tǒng)計(jì)

scala> val lines = rdd.flatmap(x => x.split(" ")).map(x => (x,1)).rdd.reduceBykey((a,b) => (a+b)).collect

#對(duì)詞頻進(jìn)行排序

scala> val lines = rdd.flatmap(x => x.split(" ")).map(x => (x,1)).rdd.reduceBykey((a,b) => (a+b)).map(x =>(x._2,x._1)).sortBykey().map(x => (x._2,x._1)).collect

7.spark 服務(wù)web監(jiān)控頁(yè)面

通過web頁(yè)面查看spark服務(wù)情況

bigdata-pro01.kfk.com:4040

轉(zhuǎn)載于:https://www.cnblogs.com/ratels/p/10845039.html

總結(jié)

以上是生活随笔為你收集整理的新闻网大数据实时分析可视化系统项目——14、Spark2.X环境准备、编译部署及运行...的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。