spark-shell初体验

浏览数：17 / 时间：2015年06月20日

1、复制文件至HDFS：

hadoop@Mhadoop:/usr/local/hadoop$ bin/hdfs dfs -mkdir /user
hadoop@Mhadoop:/usr/local/hadoop$ bin/hdfs dfs -mkdir /user/hadoop
hadoop@Mhadoop:/usr/local/hadoop$ bin/hdfs dfs -copyFromLocal /usr/local/spark/spark-1.3.1-bin-hadoop2.4/README.md /user/hadoop/

2、运行spark-shell

技术分享

3、读取文件统计spark这个词出现次数

scala> sc
res0: org.apache.spark.SparkContext = org.apache.spark.SparkContext@472ac3d3

scala> val file = sc.textFile("hdfs://Mhadoop:9000/user/hadoop/README.md")
file: org.apache.spark.rdd.RDD[String] = hdfs://Mhadoop:9000/user/hadoop/README.md MapPartitionsRDD[1] at textFile at <console>:21

file变量是一个MapPartitionsRDD；接着过滤spark这个词

scala> val sparks = file.filter(line => line.contains("spark"))
sparks: org.apache.spark.rdd.RDD[String] = MapPartitionsRDD[2] at filter at <console>:23

统计spark出现次数，结果为11：
scala> sparks.count
技术分享
另开一个terminal用ubuntu自带的wc命令验证下：

hadoop@Mhadoop:/usr/local/spark/spark-1.3.1-bin-hadoop2.4$ grep spark README.md|wc
     11      50     761


4、执行spark cache看下效率提升

scala> sparks.cache
res3: sparks.type = MapPartitionsRDD[2] at filter at <console>:23

登录控制台：http://192.168.85.10:4040/stages/
技术分享
可见cache之后，耗时从s变为ms,性能提升明显。

郑重声明：本站内容如果来自互联网及其他传播媒体，其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。

标签： hadoop spark terminal ubuntu hadoop spark terminal ubuntu

相关文章

随机文章

您可能还喜欢

您可能还喜欢