学习笔记：Spark WordCount

引入依赖：

    <dependencies>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_2.12</artifactId>
            <version>3.0.0</version>
        </dependency>
    </dependencies>

WordCount程序：

package com.spark.core.wc

import org.apache.spark.{SparkConf, SparkContext}

object WordCount {

  def main(args: Array[String]): Unit = {

    // ToDo 建立和Spark框架的连接
    val conf = new SparkConf()  // Spark的基础配置对象
    conf.setMaster("local")
    conf.setAppName("WordCount")
    val sc = new SparkContext(conf)  // Spark的上下文环境对象

    // ToDo 执行业务操作

    // 1. 读取文件，获取每行数据 => hello world, hello world
    val lines = sc.textFile("datas")

    // 2. 将每行数据根据分隔符进行分词，获取每个单词 => hello, world, hello, world
    val words = lines.flatMap(line => line.split(" "))

    // 3. 将数据根据单词进行分组，便于统计 => (hello, hello), (world, world)
    val wordGroup = words.groupBy(word => word)

    // 4. 对分组后的数据进行转换 => (hello, 2), (world, 2)
    val wordCount = wordGroup.map({
      case (word, list) => (word, list.size)  // 模式匹配
    })

    // 5. 将转换结果采集到控制台打印出来
    val array = wordCount.collect()
    array.foreach(println)

    // ToDo 关闭连接
    sc.stop()
  }
}

执行程序：

修改和简化WordCount程序：

package com.spark.core.wc

import org.apache.spark.{SparkConf, SparkContext}

object WordCount03 {

  def main(args: Array[String]): Unit = {

    // ToDo 建立和Spark框架的连接
    val conf = new SparkConf().setMaster("local").setAppName("WordCount")
    val sc = new SparkContext(conf)

    // ToDo 执行业务操作
    val wordCount = sc
      .textFile("datas")  // 获取每行数据
      .flatMap(_.split(" "))  // 根据分隔符进行分词
      .map((_, 1))  // 设置单词数量为1
      // reduceByKey：相同的key的数据，可以对value进行reduce聚合
      .reduceByKey(_+_)  // 根据单词进行分组，对单词数量进行聚合

    val array = wordCount.collect()
    array.foreach(println)  // 打印

    // ToDo 关闭连接
    sc.stop()
  }
}