迅捷开发环境，spark测试用例提交。

ipu-hadoop-example/src/test/java/com/ai/ipu/example/hadoop/HadoopConfig.java

@@ -7,8 +7,8 @@ import com.ai.ipu.basic.log.IpuLoggerFactory;
/**
 * 类描述
 *
 * @Author: lilb3@asiainfo.com
 * @Date: 2019-06-18 17:05
 * @author lilb3@asiainfo.com
 * @since 2019-07-01 15:36
 **/
public class HadoopConfig {
    private static final ILogger LOGGER = IpuLoggerFactory.createLogger(HadoopConfig.class);

ipu-hadoop-example/src/test/java/com/ai/ipu/example/hadoop/HadoopExample.java

@@ -15,8 +15,8 @@ import java.net.URI;
/**
 * 类描述
 *
 * @Author: lilb3@asiainfo.com
 * @Date: 2019-05-24 17:10
 * @author lilb3@asiainfo.com
 * @since 2019-07-01 15:36
 **/
public class HadoopExample {
    private FileSystem hdfs = null;

ipu-hbase-example/src/test/java/com/ai/ipu/example/hbase/HbaseConfig.java

@@ -7,8 +7,8 @@ import com.ai.ipu.basic.log.IpuLoggerFactory;
/**
 * 类描述
 *
 * @Author: lilb3@asiainfo.com
 * @Date: 2019-06-18 17:05
 * @author lilb3@asiainfo.com
 * @since 2019-07-01 15:36
 **/
public class HbaseConfig {
    private static final ILogger LOGGER = IpuLoggerFactory.createLogger(HbaseConfig.class);

ipu-hbase-example/src/test/java/com/ai/ipu/example/hbase/HbaseExample.java

@@ -29,6 +29,12 @@ import org.junit.Test;
import java.util.ArrayList;
import java.util.List;
/**
 * Hbase测试
 *
 * @author lilb3@asiainfo.com
 * @since 2019-07-01 15:36
 */
public class HbaseExample {
    private static final String SPLIT_STRING = "###";
    private static final String[] TABLE_COLUMNS = HbaseConfig.getTableCloumns().split(SPLIT_STRING);

ipu-spark-example/pom.xml

@@ -0,0 +1,86 @@
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
	xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
	<modelVersion>4.0.0</modelVersion>
	<parent>
		<groupId>com.ai.ipu</groupId>
		<artifactId>ipu-aggregator</artifactId>
		<version>3.1-SNAPSHOT</version>
	</parent>
	<groupId>com.ai.ipu.example</groupId>
	<artifactId>ipu-spark-example</artifactId>
	<version>1.0</version>
	<packaging>jar</packaging>
	<name>ipu-spark-example</name>
	<url>http://maven.apache.org</url>
	<properties>
		<project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
		<ipu>3.1-SNAPSHOT</ipu>
		<jdk>1.8</jdk>
		<junit>4.12</junit>
		<spark>2.4.1</spark>
		<slf4j-api>1.7.16</slf4j-api>
	</properties>
	<dependencies>
		<dependency>
			<groupId>junit</groupId>
			<artifactId>junit</artifactId>
			<version>${junit}</version>
			<scope>test</scope>
		</dependency>
		<dependency>
			<groupId>com.ai.ipu</groupId>
			<artifactId>ipu-cache</artifactId>
			<version>${ipu}</version>
		</dependency>
		<dependency>
			<groupId>org.apache.hadoop</groupId>
			<artifactId>hadoop-client</artifactId>
			<version>2.7.3</version>
		</dependency>
		<!--<dependency>
			<groupId>io.netty</groupId>
			<artifactId>netty-all</artifactId>
			<version>4.1.17.Final</version>
		</dependency>-->
		<dependency>
			<groupId>org.apache.spark</groupId>
			<artifactId>spark-core_2.11</artifactId>
			<version>${spark}</version>
		</dependency>
		<!-- java.lang.NoSuchMethodError: org.slf4j.helpers.Util.reportFailure(Ljava/lang/String;)V -->
		<dependency>
			<groupId>org.slf4j</groupId>
			<artifactId>slf4j-log4j12</artifactId>
			<version>${slf4j-api}</version>
		</dependency>
		<!-- Failed to set setXIncludeAware(true) for parser -->
		<!--<dependency>
			<groupId>xerces</groupId>
			<artifactId>xercesImpl</artifactId>
			<version>2.9.1</version>
		</dependency>-->
	</dependencies>
	<build>
		<plugins>
			<plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-surefire-plugin</artifactId>
                <configuration>
                    <skip>true</skip>
                </configuration>
            </plugin>
		</plugins>
	</build>
</project>

ipu-spark-example/src/main/java/com/ai/ipu/example/spark/SparkConfig.java

@@ -0,0 +1,46 @@
package com.ai.ipu.example.spark;
import com.ai.ipu.basic.file.ResourceBundleUtil;
/**
 * 类描述
 *
 * @author lilb3@asiainfo.com
 * @since 2019-07-01 15:36
 **/
public class SparkConfig {
    private static final String CONFIG_FILE_PATH = "spark";
    /*Spark集群*/
    private static String sparkMaster;
    /*Hadoop地址*/
    private static String hdfsUri;
    /*测试文件*/
    private static String testFileName;
    /*项目打包路径*/
    private static String jarFilePath;
    public static String getSparkMaster() {
        return sparkMaster;
    }
    public static String getHdfsUri() {
        return hdfsUri;
    }
    public static String getTestFileName() {
        return testFileName;
    }
    public static String getJarFilePath() {
        return jarFilePath;
    }
    /*加载配置文件*/
    static {
        try {
            ResourceBundleUtil.initialize(CONFIG_FILE_PATH, SparkConfig.class);
        } catch (Exception e) {
            System.out.println(CONFIG_FILE_PATH + "配置文件读取失败" + e);
        }
    }
}

ipu-spark-example/src/main/java/com/ai/ipu/example/spark/SparkExample.java

@@ -0,0 +1,125 @@
package com.ai.ipu.example.spark;
import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.api.java.function.FlatMapFunction;
import org.apache.spark.api.java.function.Function2;
import org.apache.spark.api.java.function.PairFunction;
import org.apache.spark.api.java.function.VoidFunction;
import scala.Tuple2;
import java.util.Arrays;
import java.util.Iterator;
import java.util.List;
/**
 * Spark统计单词个数示例
 *
 * @author lilb3@asiainfo.com
 * @since 2019-07-01 15:36
 **/
public class SparkExample {
    public static void main(String[] args) {
        /*
         * 对于所有的spark程序所言，要进行所有的操作，首先要创建一个spark上下文。
         * 在创建上下文的过程中，程序会向集群申请资源及构建相应的运行环境。
         * 设置spark应用程序名称
         * 创建的 sparkContext 唯一需要的参数就是 sparkConf，它是一组 K-V 属性对。
         */
        SparkConf sparkConf = new SparkConf().setAppName("SparkExample").setMaster(SparkConfig.getSparkMaster());
        /*java.lang.ClassCastException: cannot assign instance of java.lang.invoke.SerializedLambda to field org.apache.spark.api.java.JavaRDDLike$$anonfun$fn$1$1.f$3 of type org.apache.spark.api.java.function.FlatMapFunction in instance of org.apache.spark.api.java.JavaRDDLike$$anonfun$fn$1$1*/
        sparkConf.setJars(new String[]{SparkConfig.getJarFilePath()});
        JavaSparkContext jsc = new JavaSparkContext(sparkConf);
        // 用List构建JavaRDD
        List<String> data = Arrays.asList("1", "2", "3", "4", "5");
        JavaRDD<String> distData = jsc.parallelize(data);
        List<String> intLine = distData.collect();
        for (String string : intLine) {
            System.out.println("List构建： " + string);
        }
        // 从hdfs读取文件形成RDD
        String textFilePath = SparkConfig.getHdfsUri() + "/" + SparkConfig.getTestFileName();
        /*
         * 利用textFile接口从文件系统中读入指定的文件，返回一个RDD实例对象。
         * RDD的初始创建都是由SparkContext来负责的，将内存中的集合或者外部文件系统作为输入源。
         * RDD：弹性分布式数据集，即一个 RDD 代表一个被分区的只读数据集。一个 RDD 的生成只有两种途径，
         * 一是来自于内存集合和外部存储系统，另一种是通过转换操作来自于其他 RDD，比如 Map、Filter、Join，等等。
         * textFile()方法可将本地文件或HDFS文件转换成RDD，读取本地文件需要各节点上都存在，或者通过网络共享该文件
         */
        JavaRDD<String> lines = jsc.textFile(textFilePath);
        List<String> stringLine = lines.collect();
        for (String string : stringLine) {
            System.out.println("文件读取： " + string);
        }
        // 行数据的分割，调用flatMap函数
        /*
         * new FlatMapFunction<String, String>两个string分别代表输入和输出类型
         * Override的call方法需要自己实现一个转换的方法，并返回一个Iterable的结构
         *
         * flatmap属于一类非常常用的spark函数，简单的说作用就是将一条rdd数据使用你定义的函数给分解成多条rdd数据
         * 例如，当前状态下，lines这个rdd类型的变量中，每一条数据都是一行String，我们现在想把他拆分成1个个的词的话，
         */
        //flatMap与map的区别是，对每个输入，flatMap会生成一个或多个的输出，而map只是生成单一的输出
        //用空格分割各个单词,输入一行,输出多个对象,所以用flatMap
        JavaRDD<String> words = lines.flatMap((FlatMapFunction<String, String>) s -> {
            String[] words1 = s.split(" ");
            return Arrays.asList(words1).iterator();
        });
        // 将数据转换为key/value键值对
        /*
         * pairFunction<T,K,V>: T:输入类型；K,V：输出键值对
         * 表示输入类型为T,生成的key-value对中的key类型为k,value类型为v,对本例,T=String, K=String, V=Integer(计数)
         * 需要重写call方法实现转换
         */
        //scala.Tuple2<K,V> call(T t)
        //Tuple2为scala中的一个对象,call方法的输入参数为T,即输入一个单词s,新的Tuple2对象的key为这个单词,计数为1
        JavaPairRDD<String, Integer> ones = words.mapToPair((PairFunction<String, String, Integer>) s -> {
            System.out.println("mapToPair call: " + s);
            return new Tuple2<>(s, 1);
        });
        // 聚合结果
        /*
         * 调用reduceByKey方法,按key值进行reduce
         *  reduceByKey方法，类似于MR的reduce
         *  要求被操作的数据（即下面实例中的ones）是KV键值对形式，该方法会按照key相同的进行聚合，在两两运算
         *  若ones有<"one", 1>, <"one", 1>,会根据"one"将相同的pair单词个数进行统计,输入为Integer,输出也为Integer输出<"one", 2>
         */
        // reduce阶段，key相同的value怎么处理的问题
        // 备注：spark也有reduce方法，输入数据是RDD类型就可以，不需要键值对，
        // reduce方法会对输入进来的所有数据进行两两运算
        JavaPairRDD<String, Integer> counts = ones.reduceByKey((Function2<Integer, Integer, Integer>) (i1, i2) -> {
            System.out.println("reduceByKey call:" + i1 + ", " + i2);
            return i1 + i2;
        });
        // 结果输出到HDFS，Windows对应的是真实目录，如：D:/logs/spark_test/1555319746196，父目录必须存在，否则不执行
        counts.saveAsTextFile(SparkConfig.getHdfsUri() + "/spark/" + System.currentTimeMillis());
        /*
         * 结果转化为常见类型输出
         * collect方法用于将spark的RDD类型转化为我们熟知的java常见类型
         */
        List<Tuple2<String, Integer>> output = counts.collect();
        for (Tuple2<?, ?> tuple : output) {
            System.out.println(tuple._1() + ": " + tuple._2());
        }
        // 直接输出
        counts.foreachPartition((VoidFunction<Iterator<Tuple2<String, Integer>>>) tuple2Iterator -> {
            while (tuple2Iterator.hasNext()) {
                Tuple2<String, Integer> t2 = tuple2Iterator.next();
                System.out.println(t2._1() + ": " + t2._2());
            }
        });
        jsc.stop();
    }
}

ipu-spark-example/src/main/resources/log4j.properties

@@ -0,0 +1,8 @@
log4j.rootLogger=error, console
log4j.logger.org.apache.zookeeper=error
log4j.logger.com.ai.ipu.example=debug
log4j.appender.console=org.apache.log4j.ConsoleAppender
log4j.appender.console.target=System.out
log4j.appender.console.layout=org.apache.log4j.PatternLayout
log4j.appender.console.layout.ConversionPattern=%d{yy/MM/dd HH:mm:ss} %5p [%t] (%F:%L) - %m%n

ipu-spark-example/src/main/resources/spark.properties

@@ -0,0 +1,8 @@
#Spark集群
spark.master=spark://iZm5e5xe1w25avi0io1f5aZ:7077
#Hadoop地址
hdfs.uri=hdfs://iZm5e5xe1w25avi0io1f5aZ:9000
#测试文件
test.file.name=aaa.txt
#项目打包路径
jar.file.path=D:\\ideaws\\rest\\code-example\\ipu-spark-example\\target\\ipu-spark-example-1.0.jar