Spark大数分析实战实验报告 spark大数据分析与实战

bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master spark://hadoop01:7077 \
--executor-memory 1G \
--total-executor-cores 1 \
examples/jars/spark-examples_2.11-2.3.2.jar \
10

上述命令参数表示含义如下:

• 1、–master spark://hadoop01:7077：指定Master的地址是hadoop01节点
• 2、–executor-memory1G：指定每个executor的可用内存为1G
• 3、–total-executor-cores 1：指定每个executor使用的CPU核心数为1个

按【回车键】提交Spark作业后，观察Spark集群管理界面，其中“Running Applications”列表表示当前Spark集群正在计算的作业，执行几秒后，刷新界面，在Completed Applications表单下，可以看到当前应用执行完毕，返回控制台查看输出信息，出现了“Pi is roughly 3.140691140691141”，说明Pi值已经被计算完毕。，如下图所示。

计算出来的结果准确是由参数（命令中最后的10）决定的，这个参数越大，准确度超高。

在高可用模式提交任务时，可能涉及多个Master,在提交任务时,需要让SparkContext指向一个Master列表 ,执行提交任务的命令如下。

bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master spark://hadoop01:7077,hadoop02:7077,hadoop03:7077 \
--executor-memory 1G \
--total-executor-cores 1 \
examples/jars/spark-examples_2.11-2.3.2.jar \
10

总结

在体验第一个Spark程序之前，确保已经安装好了Spark，并且配置环境变量和启动Spark集群。

首先，在终端中输入以下命令启动Spark集群：

sbin/start-all.sh

接着，创建一个新的Spark应用程序，命名为SparkPi，并在该应用程序中编写代码计算Pi的近似值。

import org.apache.spark.{SparkConf, SparkContext}

object SparkPi {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf().setAppName("SparkPi")
    val sc = new SparkContext(conf)

    val slices = if (args.length > 0) args(0).toInt else 2
    val n = 100000 \* slices
    val count = sc.parallelize(1 to n, slices).map { i =>
      val x = Math.random() \* 2 - 1
      val y = Math.random() \* 2 - 1
      if (x \* x + y \* y <= 1) 1 else 0
    }.reduce(_ + _)

    println("Pi is roughly " + 4.0 \* count / n)

    sc.stop()
  }
}

代码解释：

1. 创建SparkConf对象，设置应用程序的名称为"SparkPi"。
2. 使用SparkConf创建SparkContext对象，该对象将作为Spark应用程序的入口点。
3. 通过命令行参数获取切片的数量（默认为2），计算需要生成的随机点的总数。
4. 使用parallelize方法创建一个RDD，该RDD包含了1到n的数字，并指定了切片的数量。
5. 对每个数字进行映射操作，生成一个随机点，并判断该点是否在圆内。
6. 对所有随机点的结果进行reduce操作，得到圆内点的数量。
7. 根据公式计算Pi的近似值。
8. 打印结果并停止SparkContext。

保存代码到一个文件中，例如"SparkPi.scala"。

接下来，在终端中输入以下命令来编译和打包程序：

$SPARK\_HOME/bin/spark-submit --class SparkPi --master spark://<master-url> SparkPi.jar

其中，"“是Spark集群的URL，例如"spark://localhost:7077”。

程序会开始运行，输出Pi的近似值。

最后，可以在Spark集群的Web界面上查看运行日志和结果。

通过体验第一个Spark程序，我们了解了Spark应用程序的基本结构和运行方式。可以进一步学习和探索更复杂的Spark程序，以及使用Spark的其他功能和API。