问题导读:
1.什么是sbt?
2.sbt项目环境如何建立?
3.如何使用sbt编译打包scala?
【sbt介绍
sbt是一个代码编译工具,是scala界的mvn,可以编译scala,java等,需要java1.6以上。
sbt项目环境建立
sbt编译需要固定的目录格式,并且需要联网,sbt会将依赖的jar包下载到用户home的.ivy2下面,目录结构如下:
- |--build.sbt
- |--lib
- |--project
- |--src
- | |--main
- | | |--scala
- | |--test
- | |--scala
- |--sbt
- |--target
复制代码
以上建立目录如下:
- mkdir -p ~/spark_wordcount/lib
- mkdir -p ~/spark_wordcount/project
- mkdir -p ~/spark_wordcount/src/main/scala
- mkdir -p ~/spark_wordcount/src/test/scala
- mkdir -p ~/spark_wordcount/target
然后拷贝spark安装目录的sbt目录的 sbt脚本和sbt的jar包
- cp /path/to/spark/sbt/sbt* ~/spark_wordcount/
由于spark的sbt脚本默认查找./sbt目录,修改如下
- JAR=sbt/sbt-launch-${SBT_VERSION}.jar
- to
- JAR=sbt-launch-${SBT_VERSION}.jar
拷贝spark的jar包到,sbt的lib目录
- cp /path/to/spark/assembly/target/scala-2.10/spark-assembly_2.10-0.9.0-incubating-hadoop2.2.0.jar \
- > ~/spark_wordcount/lib/
建立build.sbt配置文件,各行需要有一个空行分割
- name := "WordCount"
- [this is bank line]
- version := "1.0.0"
- [this is bank line]
- scalaVersion := "2.10.3"
由于spark的sbt脚本需要到project的build.properties文件找sbt的版本号,我们建立该文件,增加如下内容:
- sbt.version=0.12.4
Spark WordCount程序编写及编译
建立WordCount.scala源文件,假设需要包为spark.example
- mkdir -p ~/spark_wordcount/src/main/scala/spark/example
- vi -p ~/spark_wordcount/src/main/scala/spark/example/WordCount.scala
添加具体的程序代码,并保存
- package spark.example
- import org.apache.spark._
- import SparkContext._
- object WordCount {
- def main(args: Array[String]) {
- //命令行参数个数检查
- if (args.length == 0) {
- System.err.println("Usage: spark.example.WordCount <input> <output>")
- System.exit(1)
- }
- //使用hdfs文件系统
- val hdfsPathRoot = "hdfshost:9000"
- //实例化spark的上下文环境
- val spark = new SparkContext(args(0), "WordCount",
- System.getenv("SPARK_HOME"),SparkContext.jarOfClass(this.getClass))
- //读取输入文件
- val inputFile = spark.textFile(hdfsPathRoot + args(1))
- //执行WordCount计数
- //读取inputFile执行方法flatMap,将每行通过空格分词
- //然后将该词输出该词和计数的一个元组,并初始化计数
- //为 1,然后执行reduceByKey方法,对相同的词计数累
- //加
- val countResult = inputFile.flatMap(line => line.split(" "))
- .map(word => (word, 1))
- .reduceByKey(_ + _)
- //输出WordCount结果到指定目录
- countResult.saveAsTextFile(hdfsPathRoot + args(2))
- }
- }
到spark_wordcount目录,执行编译:
- cd ~/spark_wordcount/
- ./sbt compile
打成jar包
- ./sbt package
编译过程,sbt需要上网下载依赖工具包,jna,scala等。编译完成后可以在target/scala-2.10/目录找到打包好的jar
- [root@bd001 scala-2.10]# pwd
- /usr/local/hadoop/spark_wordcount/target/scala-2.10
- [root@bd001 scala-2.10]# ls
- cache classes wordcount_2.10-1.0.0.jar
WordCount执行
可以参考Spark分布式运行于hadoop的yarn上的方法,写一个执行脚本
- #!/usr/bin/env bash
- SPARK_JAR=./assembly/target/scala-2.10/spark-assembly_2.10-0.9.0-incubating-hadoop2.2.0.jar \
- ./bin/spark-class org.apache.spark.deploy.yarn.Client \
- --jar ~/spark_wordcount/target/scala-2.10/wordcount_2.10-1.0.0.jar \
- --class spark.example.WordCount \
- --args yarn-standalone \
- --args /testWordCount.txt \
- --args /resultWordCount \
- --num-workers 3 \
- --master-memory 4g \
- --worker-memory 2g \
- --worker-cores 2
然后,拷贝一个名为testWordCount.txt的文件进hdfs
- hdfs dfs -copyFromLocal ./testWordCount.txt /testWordCount.txt
然后执行脚本,过一会就可以看到结果了