分享

SparkStreaming运行三种方式

xuanxufeng 发表于 2016-6-17 07:44:15 [显示全部楼层] 回帖奖励 阅读模式 关闭右栏 0 11478


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
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
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
-------------------------------------------
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。
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
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:
[mw_shl_code=scala,true]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[/mw_shl_code]

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
-------------------------------------------
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。

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。

安装sbt,下载链接,
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。
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)

[mw_shl_code=scala,true]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"[/mw_shl_code]
创建test.SparkTest.scala文件,添加以下代码

[mw_shl_code=scala,true]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
}
}[/mw_shl_code]
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

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。

文/杜龙少(简书作者)
“简书作者”。


没找到任何评论,期待你打破沉寂

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

推荐上一条 /2 下一条