[root@hedy ~]# docker exec -it master spark-shell --executor-memory 512M --total-executor-cores 2
2019-02-09 17:13:44 WARN NativeCodeLoader:62 - Unable to load native-hadoop library for your platform… using builtin-java classes where applicable
Setting default log level to “WARN”.
To adjust logging level use sc.setLogLevel(newLevel). For SparkR, use setLogLevel(newLevel).
Spark context Web UI available at http://localhost:4040
Spark context available as ‘sc’ (master = spark://master:7077, app id = app-20190209171354-0000).
Spark session available as ‘spark’.
Welcome to
/ / ___ ___/ /
/ _ / _ `/ __/ '/
// ./_,// //_ version 2.3.0
/_/
Using Scala version 2.11.8 (Java HotSpot™ 64-Bit Server VM, Java 1.8.0_131)
Type in expressions to have them evaluated.
Type :help for more information.
scala>
- 继续输入以下命令，也就是scala版的WordCount：
sc.textFile(“hdfs://namenode:8020/input/GoneWiththeWind.txt”).flatMap(line => line.split(" ")).map(word => (word, 1)).reduceByKey(_ + ).sortBy(._2,false).take(10).foreach(println)
- 稍后控制台就会输出整个txt中出现次数最多的十个单词，以及对应的出现次数，如下：
scala> sc.textFile(“hdfs://namenode:8020/input/GoneWiththeWind.txt”).flatMap(line => line.split(" ")).map(word => (word, 1)).reduceByKey(_ + ).sortBy(._2,false).take(10).foreach(println)
(the,18264)
(and,14150)
(to,10020)
(of,8615)
(a,
【一线大厂Java面试题解析+后端开发学习笔记+最新架构讲解视频+实战项目源码讲义】 浏览器打开：qq.cn.hn/FTf 免费领取
(her,7086)
(she,6217)
(was,5912)
(in,5751)
(had,4502)
scala>
- 用浏览器查看spark，如下图，可见任务正在执行中(因为shell还没有退出)，地址是：[http://192.168.1.101:8080](
)
- 输入Ctrl+c，退出shell，释放资源；
至此，spark_shell的实战就完成了，如果您是位java开发者，请接着往下看，咱们一起来实战java版spark应用的提交运行；
[]()java实战WordCount
关于接下来的java版的WordCount，本文直接将jar下载下来用，而这个jar对应的源码以及开发过程，请参考文章[《第一个spark应用开发详解(java版)》](
)
- 在docker-compose.yml文件所在目录下，有个jars目录，进入此目录执行以下命令，就会将实战用到的jar文件下载到jars目录：
wget https://raw.githubusercontent.com/zq2599/blog_demos/master/sparkdockercomposefiles/sparkwordcount-1.0-SNAPSHOT.jar
- 执行以下命令，即可向spark提交java应用执行：
docker exec -it master spark-submit
–class com.bolingcavalry.sparkwordcount.WordCount
–executor-memory 512m
–total-executor-cores 2
/root/jars/sparkwordcount-1.0-SNAPSHOT.jar
namenode
8020
GoneWiththeWind.txt
- 任务执行过程中，控制台会输出大量信息，其中有类似以下的内容，就是统计结果：
2019-02-09 17:30:32 INFO WordCount:90 - top 10 word :
the 18264
and 14150
to 10020
of 8615
a 7571
her 7086
she 6217
was 5912
in 5751
had 4502
- 用浏览器查看hdfs，如下图，可见/output目录下创建了一个子文件夹20190209173023，这个文件夹下有两个文件，其中名为part-00000的就是本次实战输出的结果：
- 在hdfs的网页上看见/output目录下的子文件夹名称为20190209173023，因此执行以下命令，即可在控制台看到part-00000文件的内容：
docker exec namenode hdfs dfs -cat /output/20190209173023/part-00000
看到的part-00000的内容如下：
[root@hedy jars]# docker exec namenode hdfs dfs -cat /output/20190209173023/part-00000
(18264,the)
(14150,and)
(10020,to)
(8615,of)
(7571,a)
(7086,her)
(6217,she)
(5912,was)
(5751,in)
(4502,had)
以上就是极速搭建spark集群的实战，虽然操作简单，但是整个环境存在以下几处瑕疵：
-
只有一个worker，并行执行能力较差；
-
hdfs容器的磁盘空间是在docker的安装路径下分配的，遇到大文件时容器将系统空间占满；
-
spark master的4040端口没有开放，无法观察应用运行的情况；
-
worker的8080端口都没有开放， 无法观察worker的运行情况，也不能查看业务运行日志；
针对上述问题，我对docker-compose.yml做了改进，您可以执行以下命令快速搭建整个集群环境，要注意的是下面的命令会启动6个worker，比较消耗内存，如果您的电脑内存低于10G，很可能启动容器失败，此时建议您打开docker-compose.yml文件，对worker的配置做适当删减：
