在Spark上執行TopK程式

2022-07-04 18:54:12 字數 1327 閱讀 8244

package


com.cn.gao


import


org.apache.spark.sparkconf


import


org.apache.spark.sparkcontext


import


org.apache.spark.sparkcontext._


/*** 


@author


hadoop


* 對文字進行詞頻統計，並返回出現頻率最高的k個詞 * 


*/object topk 


val conf = new


sparkconf()


val sc = new


sparkcontext(conf)


//sparkcontext 是把**提交到集群或者本地的通道，我們編寫spark**，無論是要本地執行還是集群執行都必須有sparkcontext的例項


val line = sc.textfile(args(0))


//    


//其中的\\s表示 空格,回車,換行等空白符，+號表示乙個或多個的意思


val result = line.flatmap(_.split("\\s+")).map((_, 1)).reducebykey(_+_)


val sorted = result.map.sortbykey(true,1)


val topk = sorted.top(args(1).toint)


topk.foreach(println)


sc.stop


}}

正規表示式,

\\d表示 0-9 的數字,

\\s表示 空格,回車,換行等空白符,

\\w表示單詞字元(數字字母下劃線)

+號表示乙個或多個的意思

打包可以在eclipse中實現。

topk.sh

#!/bin/bash


cd $spark_home/bin


spark-submit \


--master spark://


192.168.1.154:7077 \


--class


com.cn.gao.topk \


--name topk \


--executor-memory 400m \


--driver-memory 512m \


/usr/local/myjar/topk.jar \


hdfs:


5

最後一行是引數，上述統計詞頻出現在前5的單詞。

將要統計的檔案readme.md上傳到hdfs中指定的目錄，執行指令碼檔案即可。

在Spark上執行WordCount程式

1.編寫程式 如下 wordcount.scala package wordcount import org.apache.spark.sparkconf import org.apache.spark.sparkcontext import org.apache.spark.sparkcontex...

Spark 程式在Yarn上的記憶體問題，簡單解釋

當上傳spark程式時，總會有出現以下這個錯誤 spark submit報錯 container exited with a non zero exit code 143 還有比如 outofmemory,memory exceed 等等，乙個頭兩個大。對於只是使用spark程式的人，我實在是沒興趣...

PHP程式在IIS上如何執行

在windows作業系統上通過安裝iis服務，可以很簡單 的建立乙個網頁伺服器，但是iis只能支援asp程式的執行，對於網路上豐富的php程式資源，該如何才能使用呢？通常，要執行php程式，都是使用apache http伺服器 php處理程式來架設網頁伺服器的。但是，apache無法直接支援asp程...