spark/scala常用语法

每一个Spark应用都是一个SparkContext实例，可以理解为一个SparkContext就是一个spark application的生命周期，一旦SparkContext创建之后，就可以用这个SparkContext来创建RDD、累加器、广播变量，并且可以通过SparkContext访问Spark的服务，运行任务。spark context设置内部服务，并建立与spark执行环境的连接。

textFile的参数是一个path,这个path可以是：

1. 一个文件路径，这时候只装载指定的文件
2. 一个目录路径，这时候只装载指定目录下面的所有文件（不包括子目录下面的文件）
3. 通过通配符的形式加载多个文件或者加载多个目录下面的所有文件

https://zhuanlan.zhihu.com/p/129346816

https://blog.csdn.net/u010824591/article/details/50732996

https://blog.csdn.net/u010476994/article/details/91406745

打开maven project，点击项目名称，先后双击clean和package，就会自动进行打包了。
打包完成后，进入项目的target中进行查看，选用对应jar包，即可在spark集群上执行。

--conf spark.yarn.executor.memoryOverhead=10240  --conf spark.shuffle.io.numConnectionsPerPeer=5  --conf spark.driver.maxResultSize=30g --conf spark.kryoserializer.buffer.max=128m --conf spark.port.maxRetries=128

for循环外使用相当于break，循环内使用相当于continue

应用时，首先应删除对应的文件夹

hadoop fs -rm -r 文件夹路径

https://blog.csdn.net/power0405hf/article/details/50596233

hadoop fs -cat  文件路径 |more 

hadoop fs -cat  文件路径/* >本地路径

var savePath = "hdfs路径"
val sc: SparkContext = new SparkContext(new SparkConf())
sc.setLogLevel("WARN")
val sqlContext: HiveContext = new HiveContext(sc)
//获取实例，从hive表读取数据
var dataSql =
s"""
   sql语句
 """.stripMargin
val sentences=sqlContext.sql(dataSql).rdd.map(t=>t.getString(0))
// 保存数据
sentences.saveAsTextFile(savePath)