寒假学习7-linux中spark的应用

HDFS 常用操作

（1） 启动 Hadoop，在 HDFS 中创建用户目录“/user/hadoop”；

该命令中表示在HDFS中创建一个“/user/hadoop”目录，“–mkdir”是创建目录的操作，“-p”表示如果是多级目录，则父目录和子目录一起创建，这里“/user/hadoop”就是一个多级目录，因此必须使用参数“-p”，否则会出错。

（2） 在 Linux 系统的本地文件系统的“/home/hadoop”目录下新建一个文本文件 test.txt，并在该文件中随便输入一些内容，然后上传到 HDFS 的“/user/hadoop” 目录下；

（3） 把 HDFS 中“/user/hadoop”目录下的 test.txt 文件，下载到 Linux 系统的本地文件系统中的“/home/hadoop/下载”目录下；

（4） 将HDFS中“/user/hadoop”目录下的test.txt文件的内容输出到终端中进行显示；

（5） 在 HDFS 中的“/user/hadoop”目录下，创建子目录 input，把 HDFS 中 “/user/hadoop”目录下的 test.txt 文件，复制到“/user/hadoop/input”目录下；

（6） 删除HDFS中“/user/hadoop”目录下的test.txt文件，删除HDFS中“/user/hadoop” 目录下的 input 子目录及其子目录下的所有内容。

 Spark 读取文件系统的数据

1.首先进入spark-shell指令

2. 在 spark-shell 中读取 Linux 系统本地文件“/home/hadoop/test.txt”，然后统计出文件的行数；

注意：加载HDFS文件和本地文件都是使用textFile，区别是添加前缀(hdfs://和https://www.scala-sbt.org/download.html下载sbt-1.3.4.tgz安装包

解压缩，改配置等一系列请自行百度

安装之后打包

代码需要规范书写，空格之类的不然会报错

生成的 jar 包的位置为 /sparkapp3/target/scala-2.12/simple-project_2.12-1.0.jar

通过 spark-submit 运行程序

结果