一、Sparkの安装及配置。使用 Spark shell 实现 file8.txt 文件的词频统计(WordCount)。

二、使用sbt编译打包Scale程序，统计 file8.txt 文件中包含字母 c 和字母 e 的行数。

2.1 安装sbt：

2.1.1 建立启动sbt的脚本文件

2.1.2 测试sbt是否安装成功

2.1.3 设置源，vim ~/.sbt/repositories

2.2 统计 file8.txt 文件中包含字母 c 和字母 e 的行数

一、Sparkの安装及配置。使用 Spark shell 实现 file8.txt 文件的词频统计(WordCount)。

打开清华大学下载站 https://mirrors.tuna.tsinghua.edu.cn/

先进入Apache文件在选择spark文件

解压，如果提示没权限，加sudo chmod 777 -R

解压位置：/media/liuhao/sda4/spark

配置环境变量

简单测试，词频统计

新建文件test8.file

进入spark-shell

简单测试（词频统计）

from pyspark import SparkConf,SparkContext as sc

conf = SparkConf().setMaster("local").setAppName("wordcount")

sc=SparkContext.getOrCreate(conf)

lines = sc.textFile("/usr/local/hadoop/file8.txt")

words = lines.flatMap(lambda line:line.split(" "))

count = words.map(lambda x:(x,1)).reduceByKey(lambda x,y:x+y)

print(count.collect())

二、使用sbt编译打包Scale程序，统计 file8.txt 文件中包含字母 c 和字母 e 的行数。

2.1 安装sbt：

sbt - The interactive build toole

解压位置：/opt/scala/sbt

配置环境变量：vim ~./bshrc

2.1.1 建立启动sbt的脚本文件

建立启动sbt的脚本文本文件，如/opt/scala/sbt/ $ vim sbt ，在sbt文本文件中添加：

#!/bin/bash

SBT_OPTS="-Xms512M -Xmx1536M -Xss1M -XX:+CMSClassUnloadingEnabled -XX:MaxPermSize=256M" java $SBT_OPTS -jar /opt/scala/sbt/bin/sbt-launch.jar "$@"

·修改sbt文件权限

2.1.2 测试sbt是否安装成功

/*第一次执行时，会下载一些文件包，然后才能正常使用，要确保联网了，安装成功后显示如下*/
$ sbt sbt-version
[info] Set current project to sbt (in build file:/opt/scala/sbt/)
[info] 0.13.5

2.1.3 设置源，vim ~/.sbt/repositories

[repositories]
local
huaweicloud-maven: https://repo.huaweicloud.com/repository/maven/
maven-central: https://repo1.maven.org/maven2/
huaweicloud-ivy: https://repo.huaweicloud.com/repository/ivy/, [organization]/[module]/(scala_[scalaVers

2.2 统计 file8.txt 文件中包含字母 c 和字母 e 的行数

1. 创建文件夹

mkdir ./sparkapp

mkdir -p ./sparkapp/src/main/scala

2. 在~/sparkapp/src/main/scala文件夹下编辑SimpleApp.scala

/* 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/hadoop/file8.txt"
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("c")).count()
val numBs = logData.filter(line => line.contains("e")).count()
println("Lines with c: %s, Lines with e: %s".format(numAs, numBs))
}
}

3. 编译打包

vim ./sparkapp/simple.sbt

文件内容（在安装过程中注意查看版本）：

name := "Simple Project"
version := "1.0"
scalaVersion := "2.12.15"
libraryDependencies += "org.apache.spark" %% "spark-core" % "3.3.1"

检查应用程序文件结构：

find .

应用程序打包

sbt package

4. 通过spark-submit运行程序

/media/liuhao/sda4/spark/bin/spark-submit --class "SimpleApp" /opt/scala/sbt/sparkapp/target/scala-2.12/simple-project_2.12-1.0.jar 2>&1 | grep "Lines with"

如果无输出，请查看问题所在：

/media/liuhao/sda4/spark/bin/spark-submit --class "SimpleApp" /opt/scala/sbt/sparkapp/target/scala-2.12/simple-project_2.12-1.0.jar 2>&1

【参考资料】

ubuntu上安装spark详细步骤_大广-全栈开发的博客-CSDN博客_ubuntu安装spark

【大数据处理技术】实验8相关推荐

【大数据处理技术】第三篇大数据处理与分析（暂停更新）
大数据分析与处理第7章 MapReduce 7.1 概述 7.1.1 分布式并行编程 7.1.2 MapReduce 模型简介 7.1.3 Map 和 Reduce 函数 7.2 Mapreduce ...
《深入理解大数据：大数据处理与编程实践》一一1.2　大数据处理技术简介
本节书摘来自华章计算机<深入理解大数据:大数据处理与编程实践>一书中的第1章,第1.2节,作者主编:黄宜华(南京大学)副主编:苗凯翔(英特尔公司),更多章节内容可以访问云栖社区&quo ...
NLPIR大数据处理技术实现多种类智能挖掘
当今,信息技术为人类步入智能社会开启了大门,带动了互联网.物联网.电子商务.现代物流.网络金融等现代服务业发展,催生了车联网.智能电网.新能源.智能交通.智能城市.高端装备制造等新兴产业发展.现代信息 ...
大数据处理技术之数据集成
大数据处理技术是一个十分重要的工作,就好比做菜,我们做菜之前就需要对蔬菜进行清洗,洗过的菜我们才能够吃的放心,同时还有助于我们的身体健康.而大数据处理就好比清洗蔬菜一样,当我们对数据整理以后,我们才能 ...
关于大数据技术的演讲_大数据核心技术介绍：大数据处理技术
大数据之所以能够从概念走向落地,说到底还是因为大数据处理技术的成熟,面对海量的数据,在有限的硬件条件下,以低成本满足大数据处理的各种实际需求.那么具体处理大数据需要哪些技术,今天我们来简单介绍一下大数 ...
纯前端大数据处理技术：葡萄城纯前端开发工具应用实践
SpreadJS 是一款基于 HTML5 的纯 JavaScript 电子表格和网格功能控件,满足多平台.跨平台的表格数据处理和类 Excel 的表格应用开发. WijmoJS 前端开发工具包由多款纯 ...
大数据时代：大数据处理技术及采集方法
在大数据时代,传统的大数据处理技术还管用吗? 大数据处理环节下的需求大数据环节下的数据来源是非常多,而且类型也很多花样,存储和数据处理的需求量很大,对于数据展现也非常的高,并且很看重数据处理的高效性 ...
大数据处理技术之hadoop概览
上两个图,可以对热到极致的大数据处理技术有一个基本的认识大数据处理技术之演进大数据处理技术之hadoop软件族: hadoop 1 hadoop2 相关软件下面简介: 1 Ambari:Hadoo ...
大数据处理技术导论（8） | Datawhale组队学习46期
文章目录 10. 1 面试题 10.1.1 hive外部表和内部表的区别 10.1.2 简述对Hive桶的理解? 10.1.3 HBase和Hive的区别? 10.1.4 简述Spark宽窄依赖 10 ...
大数据处理技术导论（1） | Datawhale组队学习46期
文章目录前言 1. 大数据概述 1.1 数据量大 Volume 1.2 数据种类多 Variety 1.3 处理速度快 Velocity 1.4 价值密度低 Value 2. hadoop 2.1 ...

【大数据处理技术】实验8

一、Sparkの安装及配置。使用 Spark shell 实现 file8.txt 文件的词频统计(WordCount)。

二、使用sbt编译打包Scale程序，统计 file8.txt 文件中包含字母 c 和字母 e 的行数。