[转] 用SBT编译Spark的WordCount程序

2021-10-21 13:41:40

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：

  1. |--build.sbt
  2. |--lib
  3. |--project
  4. |--src
  5. |   |--main
  6. |   |    |--scala
  7. |   |--test
  8. |         |--scala
  9. |--sbt
  10. |--target

复制代码

以上建立目录如下：

  1. mkdir -p ~/spark_wordcount/lib
  2. mkdir -p ~/spark_wordcount/project
  3. mkdir -p ~/spark_wordcount/src/main/scala
  4. mkdir -p ~/spark_wordcount/src/test/scala
  5. 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

  1. 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

  1. JAR=sbt/sbt-launch-${SBT_VERSION}.jar
  2. to
  3. JAR=sbt-launch-${SBT_VERSION}.jar

拷贝spark的jar包到，sbt的lib目录

  1. cp /path/to/spark/assembly/target/scala-2.10/spark-assembly_2.10-0.9.0-incubating-hadoop2.2.0.jar \
  2. > ~/spark_wordcount/lib/

建立build.sbt配置文件,各行需要有一个空行分割

  1. name := "WordCount"
  2. [this is bank line]
  3. version := "1.0.0"
  4. [this is bank line]
  5. 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：

  1. 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

  1. mkdir -p ~/spark_wordcount/src/main/scala/spark/example
  2. vi -p ~/spark_wordcount/src/main/scala/spark/example/WordCount.scala

添加具体的程序代码，并保存

  1. package spark.example
  2. import org.apache.spark._
  3. import SparkContext._
  4. object WordCount {
  5. def main(args: Array[String]) {
  6. //命令行参数个数检查
  7. if (args.length == 0) {
  8. System.err.println("Usage: spark.example.WordCount <input> <output>")
  9. System.exit(1)
  10. }
  11. //使用hdfs文件系统
  12. val hdfsPathRoot = "hdfshost:9000"
  13. //实例化spark的上下文环境
  14. val spark = new SparkContext(args(0), "WordCount",
  15. System.getenv("SPARK_HOME"),SparkContext.jarOfClass(this.getClass))
  16. //读取输入文件
  17. val inputFile = spark.textFile(hdfsPathRoot + args(1))
  18. //执行WordCount计数
  19. //读取inputFile执行方法flatMap，将每行通过空格分词
  20. //然后将该词输出该词和计数的一个元组，并初始化计数
  21. //为 1，然后执行reduceByKey方法，对相同的词计数累
  22. //加
  23. val countResult = inputFile.flatMap(line => line.split(" "))
  24. .map(word => (word, 1))
  25. .reduceByKey(_ + _)
  26. //输出WordCount结果到指定目录
  27. countResult.saveAsTextFile(hdfsPathRoot + args(2))
  28. }
  29. }

到spark_wordcount目录，执行编译：

  1. cd ~/spark_wordcount/
  2. ./sbt compile

打成jar包

  1. ./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

  1. [root@bd001 scala-2.10]# pwd
  2. /usr/local/hadoop/spark_wordcount/target/scala-2.10
  3. [root@bd001 scala-2.10]# ls
  4. 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

  1. #!/usr/bin/env bash
  2. SPARK_JAR=./assembly/target/scala-2.10/spark-assembly_2.10-0.9.0-incubating-hadoop2.2.0.jar \
  3. ./bin/spark-class org.apache.spark.deploy.yarn.Client \
  4. --jar ~/spark_wordcount/target/scala-2.10/wordcount_2.10-1.0.0.jar \
  5. --class  spark.example.WordCount \
  6. --args yarn-standalone \
  7. --args /testWordCount.txt \
  8. --args /resultWordCount \
  9. --num-workers 3 \
  10. --master-memory 4g \
  11. --worker-memory 2g \
  12. --worker-cores 2

然后，拷贝一个名为testWordCount.txt的文件进hdfs

  1. hdfs dfs -copyFromLocal ./testWordCount.txt /testWordCount.txt

然后执行脚本，过一会就可以看到结果了

上一篇：小程序爬虫收录sitemap.json


下一篇：基于ESP32与phyphox的DIS实验制作（1）