[Spark Core] 在 Spark 集群上运行程序

---

0. 说明

　　将 IDEA 下的项目导出为 Jar 包，部署到 Spark 集群上运行。

---

1. 打包程序

　　1.0 前提

　　搭建好 Spark 集群，完成代码的编写。

　　1.1 修改代码

　　【添加内容，判断参数的有效性】

    // 判断参数的有效性
    if (args == null || args.length == 0) {
      throw new Exception("需要指定文件路径") ;
    }

　　【注释掉 conf.setMaster("...")】

    // 不用写，在提交代码的时候通过 spark-submit --master ... 自动生成
    // conf.setMaster("spark://s101:7077")

　　【将加载文件部分由固定路径改为读取传入的路径参数】

    // 1. 加载文件
    val rdd1 = sc.textFile(args(0))

　　【原代码参考】

　　Spark 实现标签生成  中 Scala 代码部分

　　【修改过的代码如下】

import java.util
import com.share.util.TagUtil
import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark.rdd.RDD

/**
  * 标签生成
  */
object TaggenCluster {
  def main(args: Array[String]): Unit = {
    // 判断参数的有效性
    if (args == null || args.length == 0) {
      throw new Exception("需要指定文件路径") ;
    }
    // 创建 spark 配置对象
    val conf = new SparkConf()
    conf.setAppName("TaggenScalaApp")

    // 不用写，在提交代码的时候通过 spark-submit --master ... 自动生成
    // conf.setMaster("spark://s101:7077")

    // 创建上下文
    val sc = new SparkContext(conf)

    // 1. 加载文件
    val rdd1 = sc.textFile(args(0))

    // 2. 解析每行的json数据成为集合
    val rdd2: RDD[(String, java.util.List[String])] = rdd1.map(line => {
      val arr: Array[String] = line.split("\t")
      // 商家id
      val busid: String = arr(0)
      // json
      val json: String = arr(1)
      val list: java.util.List[String] = TagUtil.extractTag(json)
      Tuple2[String, java.util.List[String]](busid, list)
    })

    // 3. 过滤空集合 (85766086,[干净卫生, 服务热情, 价格实惠, 味道赞])
    val rdd3: RDD[(String, util.List[String])] = rdd2.filter((t: Tuple2[String, java.util.List[String]]) => {
      !t._2.isEmpty
    })

    // 4. 将值压扁  (78477325,味道赞)
    val rdd4: RDD[(String, String)] = rdd3.flatMapValues((list: java.util.List[String]) => {
      // 导入隐式转换
      import scala.collection.JavaConversions._
      list
    })

    // 5. 滤除数字的tag  (78477325,菜品不错)
    val rdd5 = rdd4.filter((t: Tuple2[String, String]) => {
      try {
        Integer.parseInt(t._2)
        false
      } catch {
        case _ => true
      }
    })

    // 6. 标1成对  ((70611801,环境优雅),1)
    val rdd6: RDD[Tuple2[Tuple2[String, String], Int]] = rdd5.map((t: Tuple2[String, String]) => {
      Tuple2[Tuple2[String, String], Int](t, 1)
    })

    // 7. 聚合  ((78477325,味道赞),8)
    val rdd7: RDD[Tuple2[Tuple2[String, String], Int]] = rdd6.reduceByKey((a: Int, b: Int) => {
      a + b
    })

    // 8. 重组 (83073343,List((性价比高,8)))
    val rdd8: RDD[Tuple2[String, List[Tuple2[String, Int]]]] = rdd7.map((t: Tuple2[Tuple2[String, String], Int]) => {
      Tuple2[String, List[Tuple2[String, Int]]](t._1._1, Tuple2[String, Int](t._1._2, t._2) :: Nil)
    })

    // 9. reduceByKey  (71039150,List((环境优雅,1), (价格实惠,1), (朋友聚会,1), (团建,1), (体验好,1)))
    val rdd9: RDD[Tuple2[String, List[Tuple2[String, Int]]]] = rdd8.reduceByKey((a: List[Tuple2[String, Int]], b: List[Tuple2[String, Int]]) => {
      a ::: b
    })

    // 10. 分组内排序  (88496862,List((回头客,5), (服务热情,4), (味道赞,4), (分量足,3), (性价比高,2)))
    val rdd10: RDD[Tuple2[String, List[Tuple2[String, Int]]]] = rdd9.mapValues((list: List[Tuple2[String, Int]]) => {
      val list2: List[Tuple2[String, Int]] = list.sortBy((t: Tuple2[String, Int]) => {
        -t._2
      })
      list2.take(5)
    })

    // 11. 商家间排序 (75144086,List((服务热情,38), (效果赞,30), (无办卡,22), (环境优雅,22), (性价比高,21)))
    val rdd11: RDD[Tuple2[String, List[Tuple2[String, Int]]]] = rdd10.sortBy((t: Tuple2[String, List[Tuple2[String, Int]]]) => {
      t._2(0)._2
    }, false)

    rdd11.collect().foreach(println)
  }
}

　　1.2 导出 Jar 包，并添加依赖的第三方类库

　　【打开 Project Structure】

　　

　　【添加模块】

　　

　　【移除第三方类库】

　　

　　【添加第三方类库 fastjson】

　　

　　【导入完成】

　　

　　【构建 Jar 包】

　　　　　　

　　【得到 Jar 包】

　　

　　

---

2. 运行程序

　　2.0 将 Jar 包传输到服务器

　　通过 Xftp 将 myspark.jar 传到服务器，过程略。

　　2.1 上传文件到 HDFS 中

hdfs dfs -put temptags.txt /user/centos

　　2.2 使用 spark-submit 提交应用(Scala)

spark-submit --class com.share.scala.mr.TaggenCluster --master spark://s101:7077 myspark.jar /user/centos/temptags.txt

　　2.3 使用 spark-submit 提交应用(Java)

spark-submit --class com.share.java.mr.TaggenCluster --master spark://s101:7077 myspark.jar /user/centos/temptags.txt

---