官方示例说明

按照官方文档的 这个示例说明，可以轻松的在本地的spark-shell环境中测试这个示例。示例，即为了更好的入门，那么就再说明一下。
运行这个统计单词的方式有三种，前面两种是官方文档上的指引，第三种则是用scala程序运行。

  • 第一种方式, run-demo

  1. 打开一个终端，打开一个终端，输入 命令 nc -lk 9999，暂时叫做 “nc终端” 吧

  2. 再打开终端，切换到Spark HOME目录， 执行命令 bin/run-example org.apache.spark.examples.streaming.NetworkWordCount localhost 9999， 然后每秒会有类似一下日志循环输出

    -——————————————
    Time: 1415701382000 ms
    -——————————————
    -——————————————
    Time: 1415701383000 ms
    -——————————————

  3. 在nc终端随便输入一些字符串，用空格隔开，回车，如aa aa bb c。可以在上面的Spark终端中看到有新内容输出

    -——————————————
    Time: 1415701670000 ms
    -——————————————
    (aa,2)
    (bb,1)
    (c,1)

OK，成功！

  • 第二种 spark-shell 模式

    下面介绍在spark-shell中输入scala代码运行的方式。

  1. 同上面第一步，打开一个终端，打开一个终端，输入 命令 nc -lk 9999，暂时叫做 “nc终端” 吧

  2. 再打开一个终端， 切换到Spark HOME目录下，输入 bin/spark-shell （如果你已经安装好了Spark的话，直接输入 spark-shell 即可），等待Spark启动成功，会打印信息

    Spark context available as sc.
    scala>

    然后输入以下语句：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
import org.apache.spark.streaming._
import org.apache.spark.streaming.StreamingContext._
import org.apache.spark.api.java.function._
import org.apache.spark.streaming._
import org.apache.spark.streaming.api._

// Create a StreamingContext with a local master
val ssc = new StreamingContext(sc, Seconds(1))

// Create a DStream that will connect to serverIP:serverPort, like localhost:9999
val lines = ssc.socketTextStream("localhost", 9999)

// Split each line into words
val words = lines.flatMap(_.split(" "))
import org.apache.spark.streaming.StreamingContext._

// Count each word in each batch
val pairs = words.map(word => (word, 1))
val wordCounts = pairs.reduceByKey(_ + _)

// Print a few of the counts to the console
wordCounts.print()
ssc.start()             // Start the computation
ssc.awaitTermination()  // Wait for the computation to terminate

会打印以下信息：

14/11/11 18:07:23 INFO MemoryStore: ensureFreeSpace(2216) called with curMem=100936, maxMem=278019440
.…..
14/11/11 18:07:23 INFO DAGScheduler: Stage 91 (take at DStream.scala:608) finished in 0.004 s
14/11/11 18:07:23 INFO SparkContext: Job finished: take at DStream.scala:608, took 0.007531701 s
-——————————————
Time: 1415700443000 ms
-——————————————

  1. 同第一种方式的第3步，随便输入一些字符串，用空格隔开，回车，如aa aa bb c。可以在上面的Spark终端中看到有新内容输出

    -——————————————
    Time: 1415701670000 ms
    -——————————————
    (aa,2)
    (bb,1)
    (c,1)

    OK，成功！

  • 第三种 scala-ide编程方式

    在用这种方式运行这个demo代码的时候，遇到了不少问题，记录下来，供大家参考。这个例子，请大家先根据这里记录的方式进行操作，得到一个可以运行的程序，后面我会记录遇到的问题。

  1. 下载scala-ide, 下载链接，下载 For Scala 2.10.4 下的对应平台的ide，解压，运行。

  2. 安装sbt，下载链接,

  3. 安装sbteclipse, github地址, 编辑 ~/.sbt/0.13/plugins/plugins.sbt 文件， 添加以下内容 addSbtPlugin("com.typesafe.sbteclipse" % "sbteclipse-plugin" % "2.5.0")，如果没有plugins目录和plugins.sbt，自行创建。

  4. 用向导创建一个scala项目，并在项目根目录下创建一个build.sbt文件，添加以下内容(注意，每行正式语句之后要换行)

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    name := "spark-test"


    version := "1.0"


    scalaVersion := "2.10.4"


    // set the main class for the main 'run' task
    // change Compile to Test to set it for 'test:run'
    mainClass in (Compile, run) := Some("test.SparkTest")

    libraryDependencies += "org.apache.spark" % "spark-streaming_2.10" % "1.1.0"

  5. 创建test.SparkTest.scala文件，添加以下代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
package test
import org.apache.spark.streaming._
import org.apache.spark.streaming.StreamingContext._
import org.apache.spark.SparkContext
import org.apache.spark.api.java.function._
import org.apache.spark.streaming._
import org.apache.spark.streaming.api._


object SparkTest {
  def main(args: Array[String]): Unit = {
    // Create a StreamingContext with a local master
    // Spark Streaming needs at least two working thread
    val ssc = new StreamingContext("local[2]", "NetworkWordCount", Seconds(10))
    // Create a DStream that will connect to serverIP:serverPort, like localhost:9999
    val lines = ssc.socketTextStream("localhost", 9999)
    // Split each line into words
    val words = lines.flatMap(_.split(" "))
    // Count each word in each batch
    val pairs = words.map(word => (word, 1))
    val wordCounts = pairs.reduceByKey(_ + _)
    wordCounts.print
    ssc.start
    ssc.awaitTermination
  }
}
  1. 终端中切换目录到这个项目根目录，输入命令 sbt ， 命令运行成功后，敲入 eclipse 生成eclipse项目和项目所需依赖
  2. 同第一种方式的第1,3步，
    再打开一个终端，输入 命令 nc -lk 9999。
    然后运行刚才写的main程序，在nc终端中输入一些字符串，用空格隔开，回车，如aa aa bb c。可以在ide控制台中观察到
    -——————————————
    Time: 1415701670000 ms
    -——————————————
    (aa,2)
    (bb,1)
    (c,1)

OK，成功！

下面是遇到的问题及解决方法：

1. 运行程序说找不到主类

解：没有在sbt文件配置主类是哪个，在build.sbt 文件中添加以下代码

mainClass in (Compile, run) := Some(“test.SparkTest”)

Some中就是主类的路径

2. java.lang.NoClassDefFoundError: scala/collection/GenTraversableOnce$class

这个问题困扰了我很长时间，一直没找到怎么解决。后来看到说是scala每次版本升级不兼容以前的版本编译的库，于是换了对应的版本的ide才正常运行。
解：scala-ide版本和现在用的spark包依赖编译的scala版本不一致， 请下载上面说过的 scala-ide For Scala 2.10.4 版本。