用SBT编译Spark的WordCount程序
问题导读：1.什么是sbt？
2.sbt项目环境如何建立？
3.如何使用sbt编译打包scala?
static/image/hrline/4.gif
sbt介绍
sbt是一个代码编译工具，是scala界的mvn，可以编译scala，java等，需要java1.6以上。
sbt项目环境建立
sbt编译需要固定的目录格式，并且需要联网，sbt会将依赖的jar包下载到用户home的.ivy2下面，目录结构如下：
|--build.sbt
|--lib
|--project
|--src
| |--main
| | |--scala
| |--test
| |--scala
|--sbt
|--target以上建立目录如下：
mkdir -p ~/spark_wordcount/lib
mkdir -p ~/spark_wordcount/project
mkdir -p ~/spark_wordcount/src/main/scala
mkdir -p ~/spark_wordcount/src/test/scala
mkdir -p ~/spark_wordcount/target
然后拷贝spark安装目录的sbt目录的 sbt脚本和sbt的jar包
cp /path/to/spark/sbt/sbt* ~/spark_wordcount/
由于spark的sbt脚本默认查找./sbt目录，修改如下
JAR=sbt/sbt-launch-${SBT_VERSION}.jar
to
JAR=sbt-launch-${SBT_VERSION}.jar
拷贝spark的jar包到，sbt的lib目录
cp /path/to/spark/assembly/target/scala-2.10/spark-assembly_2.10-0.9.0-incubating-hadoop2.2.0.jar \
> ~/spark_wordcount/lib/
建立build.sbt配置文件,各行需要有一个空行分割
name := "WordCount"
version := "1.0.0"
scalaVersion := "2.10.3"
由于spark的sbt脚本需要到project的build.properties文件找sbt的版本号，我们建立该文件，增加如下内容：
sbt.version=0.12.4
Spark WordCount程序编写及编译
建立WordCount.scala源文件，假设需要包为spark.example
mkdir -p ~/spark_wordcount/src/main/scala/spark/example
vi -p ~/spark_wordcount/src/main/scala/spark/example/WordCount.scala
添加具体的程序代码，并保存
package spark.example
import org.apache.spark._
import SparkContext._
object WordCount {
def main(args: Array) {
//命令行参数个数检查
if (args.length == 0) {
System.err.println("Usage: spark.example.WordCount <input> <output>")
System.exit(1)
}
//使用hdfs文件系统
val hdfsPathRoot = "hdfshost:9000"
//实例化spark的上下文环境
val spark = new SparkContext(args(0), "WordCount",
System.getenv("SPARK_HOME"),SparkContext.jarOfClass(this.getClass))
//读取输入文件
val inputFile = spark.textFile(hdfsPathRoot + args(1))
//执行WordCount计数
//读取inputFile执行方法flatMap，将每行通过空格分词
//然后将该词输出该词和计数的一个元组，并初始化计数
//为 1，然后执行reduceByKey方法，对相同的词计数累
//加
val countResult = inputFile.flatMap(line => line.split(" "))
.map(word => (word, 1))
.reduceByKey(_ + _)
//输出WordCount结果到指定目录
countResult.saveAsTextFile(hdfsPathRoot + args(2))
}
}
到spark_wordcount目录，执行编译：
cd ~/spark_wordcount/
./sbt compile
打成jar包
./sbt package
编译过程，sbt需要上网下载依赖工具包，jna，scala等。编译完成后可以在target/scala-2.10/目录找到打包好的jar
# pwd
/usr/local/hadoop/spark_wordcount/target/scala-2.10
# ls
cacheclasseswordcount_2.10-1.0.0.jar
WordCount执行
可以参考Spark分布式运行于hadoop的yarn上的方法，写一个执行脚本
#!/usr/bin/env bash
SPARK_JAR=./assembly/target/scala-2.10/spark-assembly_2.10-0.9.0-incubating-hadoop2.2.0.jar \
./bin/spark-class org.apache.spark.deploy.yarn.Client \
--jar ~/spark_wordcount/target/scala-2.10/wordcount_2.10-1.0.0.jar \
--classspark.example.WordCount \
--args yarn-standalone \
--args /testWordCount.txt \
--args /resultWordCount \
--num-workers 3 \
--master-memory 4g \
--worker-memory 2g \
--worker-cores 2
然后，拷贝一个名为testWordCount.txt的文件进hdfs
hdfs dfs -copyFromLocal ./testWordCount.txt /testWordCount.txt
然后执行脚本，过一会就可以看到结果了
spark目录下哪里有sbt目录？？？？？
spark1.2.0
spark-1.6 目录下也没有sbt目录，楼主，咋整 。。。 拷贝spark的jar包到，sbt的lib目录
cp /path/to/spark/assembly/target/scala-2.10/spark-assembly_2.10-0.9.0-incubating-hadoop2.2.0.jar \
> ~/spark_wordcount/lib/
这一步复制的是什么jar? 是spark的lib目录里的jar还是spark的安装包？
我的spark安装包是.gz格式的 出现了这个报错能帮忙解决一下吗？
Asakariayisa 发表于 2016-6-9 14:55
拷贝spark的jar包到，sbt的lib目录
cp /path/to/spark/assembly/target/scala-2.10/spark-assembly_2.10-0 ...
安装包需要解压，里面有很多jar包。里面搜搜应该就能找到
Asakariayisa 发表于 2016-6-9 14:57
出现了这个报错能帮忙解决一下吗？
错误看不出太多的问题，可能是类型的问题
他已经解决了
页:
[1]