实验 3 Spark 和 Hadoop 的安装

1. 安装 Hadoop 和 Spark

进入 Linux 系统，参照本教程官网“实验指南”栏目的“Hadoop 的安装和使用”，完成 Hadoop 伪分布式模式的安装。完成 Hadoop 的安装以后，再安装Spark（Local 模式）。

2. HDFS 常用操作

使用 hadoop 用户名登录进入 Linux 系统，启动 Hadoop，参照相关 Hadoop 书籍或网络资料，或者也可以参考本教程官网的“实验指南”栏目的“HDFS 操作常用 Shell 命令”，

使用Hadoop 提供的 Shell 命令完成如下操作：

（1）启动Hadoop，在HDFS 中创建用户目录“/user/hadoop”；

hadoop fs -mkdir /user/hadoop

（2）在 Linux 系统的本地文件系统的“/home/hadoop”目录下新建一个文本文件 test.txt，并在该文件中随便输入一些内容，然后上传到 HDFS 的“/user/hadoop”目录下；

hdfs dfs -put /home/hadoop/test.txt /usr/hadoop

（3）把 HDFS 中“/user/hadoop”目录下的 test.txt 文件，下载到 Linux 系统的本地文件系统中的“/home/hadoop/下载”目录下；

hdfs dfs -get /user/hadoop/test.txt /home/hadoop

（4）将HDFS 中“/user/hadoop”目录下的test.txt文件的内容输出到终端中进行显示；

hdfs dfs -cat /user/hadoop/test.txt

（5）在 HDFS 中的“/user/hadoop” 目录下，创建子目录 input ，把 HDFS 中 “/user/hadoop”目录下的 test.txt 文件，复制到“/user/hadoop/input”目录下；

hadoop fs -mkdir /user/hadoop/input

hdfs dfs -cp /user/hadoop/test.txt /user/hadoop/input

（6）删除HDFS 中“/user/hadoop”目录下的test.txt文件，删除HDFS 中“/user/hadoop”目录下的 input 子目录及其子目录下的所有内容。

hdfs dfs -rm /user/hadoop/test.txt

hdfs dfs -rm -r /user/hadoop/input

3. Spark 读取文件系统的数据

（1）在 spark-shell 中读取Linux 系统本地文件“/home/hadoop/test.txt”，然后统计出文件的行数；

bin/spark-shell

val textFile = sc.textFile("file:///home/hadoop/test1.txt")  

textFile.count()

（2）在 spark-shell 中读取HDFS 系统文件“/user/hadoop/test.txt”（如果该文件不存在，请先创建），然后，统计出文件的行数；

 val textFile = sc.textFile("hdfs://node01:8020/user/hadoop/test.txt")

textFile.count()

（3）编写独立应用程序，读取 HDFS 系统文件“/user/hadoop/test.txt”（如果该文件不存在，请先创建），然后，统计出文件的行数；通过 sbt 工具将整个应用程序编译打包成 JAR 包，并将生成的JAR 包通过 spark-submit 提交到 Spark 中运行命令。

cd ~                                                           # 进入用户主文件夹

mkdir ./sparkapp3                                              # 创建应用程序根目录

mkdir -p ./sparkapp3/src/main/scala                            # 创建所需的文件夹结构

vim ./sparkapp3/src/main/scala/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 = "hdfs://localhost:9000/home/hadoop/test.csv"

    val conf = new SparkConf().setAppName("Simple Application")

    val sc = new SparkContext(conf)

    val logData = sc.textFile(logFile, 2)

    val num = logData.count()

    println("这个文件有 %d 行！".format(num))

  }

}

----------------------------------------------------------

vim ./sparkapp3/simple.sbt

----------------------------------------------------------

name := "Simple Project"

version := "1.0"

scalaVersion := "2.12.10"

libraryDependencies += "org.apache.spark" %% "spark-core" % "3.0.0-preview2"

----------------------------------------------------------
注意：文件 simple.sbt 需要指明 Spark 和 Scala 的版本，如下图所示：

cd ~/sparkapp3

 /usr/local/sbt/sbt package           #这里是需要安装一个sbt，教程在下一篇linux安装sbt - 我试试这个昵称好使不 - 博客园 (cnblogs.com)

 /usr/local/spark/bin/spark-submit --class "SimpleApp" ~/sparkapp3/target/scala-2.12/simple-project_2.12-1.0.jar 2>&1 | grep "这个文件有"