寒假学习3

厦门大学林子雨，赖永炫，陶继平编著

《Spark 编程基础（Scala 版）》

教材配套

机房上机实验指南

实验 3 Spark 和 Hadoop 的安装

（版本号：2018 年 7 月 19 日版本）

（题目）

主讲教师：林子雨

厦门大学数据库实验室

二零一八年七月

一、实验目的 ...................................................................................................................................1

二、实验平台 ...................................................................................................................................1

三、实验内容和要求 .......................................................................................................................1

1 ．安装 Hadoop 和 Spark ........................................................................................................1

2 ．HDFS 常用操作 .................................................................................................................1

3. Spark 读取文件系统的数据 ................................................................................................2

四、实验报告 ...................................................................................................................................2

附录 1:任课教师介绍 ......................................................................................................................3

附录 2 ：课程教材介绍 ....................................................................................................................3

附录 3 ：高校大数据课程公共服务平台介绍 ................................................................................4

主讲教师：林子雨

http://www.cs.xmu.edu.cn/linziyu

第 1 页

厦门大学林子雨,赖永炫,陶继平编著《Spark 编程基础（Scala 版）》教材配套机房上机实验指南

实验 3 Spark 和 Hadoop 的安装

厦门大学林子雨,赖永炫,陶继平编著

《Spark 编程基础（Scala 版）》

第 4 章 Spark 环境搭建和使用方法

教材配套机房上机实验指南

实验 3 Spark 和 Hadoop 的安装

（题目）

主讲教师：林子雨

E-mail: ziyulin@xmu.edu.cn 个人主页：http://www.cs.xmu.edu.cn/linziyu

一、实验目的

（1）掌握在 Linux 虚拟机中安装 Hadoop 和 Spark 的方法；

（2）熟悉 HDFS 的基本使用方法；

（3）掌握使用 Spark 访问本地文件和 HDFS 文件的方法。

二、实验平台

操作系统：Ubuntu16.04；

Spark 版本：2.1.0；

Hadoop 版本：2.7.1。

三、实验内容和要求

1．安装 Hadoop 和 Spark

进入 Linux 系统，参照本教程官网“实验指南”栏目的“Hadoop 的安装和使用”，完

成 Hadoop 伪分布式模式的安装。完成 Hadoop 的安装以后，再安装 Spark（Local 模式）。

2．HDFS 常用操作

使用 hadoop 用户名登录进入 Linux 系统，启动 Hadoop，参照相关 Hadoop 书籍或网络

资料，或者也可以参考本教程官网的“实验指南”栏目的“HDFS 操作常用 Shell 命令”，

主讲教师：林子雨

http://www.cs.xmu.edu.cn/linziyu

第 1 页

厦门大学林子雨,赖永炫,陶继平编著《Spark 编程基础（Scala 版）》教材配套机房上机实验指南

实验 3 Spark 和 Hadoop 的安装

使用 Hadoop 提供的 Shell 命令完成如下操作：

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

（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。

3. Spark 读取文件系统的数据

（1）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；

（2）在 spark-shell 中读取 HDFS 系统文件“/user/hadoop/test.txt”（如果该文件不存在，

请先创建），然后，统计出文件的行数；

（3）编写独立应用程序，读取 HDFS 系统文件“/user/hadoop/test.txt”（如果该文件不存在，

请先创建），然后，统计出文件的行数；通过 sbt 工具将整个应用程序编译打包成 JAR 包，

并将生成的 JAR 包通过 spark-submit 提交到 Spark 中运行命令。

四、实验报告

《Spark 编程基础》实验报告

题目：

姓名：

日期：

实验环境：

实验内容与完成情况：

出现的问题：

解决方案（列出遇到的问题和解决办法，列出没有解决的问题）：

主讲教师：林子雨

http://www.cs.xmu.edu.cn/linziyu

第 2 页

厦门大学林子雨,赖永炫,陶继平编著《Spark 编程基础（Scala 版）》教材配套机房上机实验指南

实验 3 Spark 和 Hadoop 的安装

附录 1:任课教师介绍

林子雨(1978－),男,博士,厦门大学计算机科学系助理教授,主要研究领域为

数据库,数据仓库,数据挖掘,大数据

主讲课程：《大数据处理技术》

办公地点：厦门大学海韵园科研 2 号楼

E-mail: ziyulin@xmu.edu.cn

个人主页：http://www.cs.xmu.edu.cn/linziyu

数据库实验室网站：http://dblab.xmu.edu.cn

附录 2：课程教材介绍

林子雨、赖永炫、陶继平编著《Spark 编程基础（Scala 版）》

人民邮电出版社 ISBN:978-7-115-48816-9 定价：49.80 元

厦门大学林子雨、赖永炫和陶继平老师编著《Spark 编程基础》，以 Scala 作为开发 Spark

应用程序的编程语言，系统介绍了 Spark 编程的基础知识。全书共 8 章，内容包括大数据技

术概述、Scala 语言基础、Spark 的设计与运行原理、Spark 环境搭建和使用方法、RDD 编程、

Spark SQL、Spark Streaming、Spark MLlib 等。本书每个章节都安排了入门级的编程实践操

作，以便读者更好地学习和掌握 Spark 编程方法。本书官网免费提供了全套的在线教学资源，

包括讲义 PPT、习题、源代码、软件、数据集、授课视频、上机实验指南等。

本书可以作为高等院校计算机、软件工程、数据科学与大数据技术等专业的进阶级大数

据课程教材，用于指导 Spark 编程实践，也可供相关技术人员参考。

欢迎访问《Spark 编程基础》教材官方网站：http://dblab.xmu.edu.cn/post/spark/

主讲教师：林子雨

http://www.cs.xmu.edu.cn/linziyu

第 3 页

厦门大学林子雨,赖永炫,陶继平编著《Spark 编程基础（Scala 版）》教材配套机房上机实验指南

实验 3 Spark 和 Hadoop 的安装

扫一扫访问教材官网

附录 3：高校大数据课程公共服务平台介绍

高校大数据课程公共服务平台，由中国高校首个“数字教师”的提出者和建设者——林

子雨老师发起，由厦门大学数据库实验室全力打造，由厦门大学云计算与大数据研究中心、

海峡云计算与大数据应用研究中心携手共建。这是国内第一个服务于高校大数据课程建设的

公共服务平台，旨在促进国内高校大数据课程体系建设，提高大数据课程教学水平，降低大

数据课程学习门槛，提升学生课程学习效果。平台服务对象涵盖高校、教师和学生。平台为

高校开设大数据课程提供全流程辅助，为教师开展教学工作提供一站式服务，为学生学习大

数据课程提供全方位辅导。平台重点打造“11 个 1 工程”，即 1 本教材（含官网）、1 个教师

服务站、1 个学生服务站、1 个公益项目、1 堂巡讲公开课、1 个示范班级、1 门在线课程、

1 个交流群（QQ 群、微信群）、1 个保障团队、1 个培训基地和 1 个实验平台。目前平台每

年访问量已经超过 100 万次，成为国内高校大数据教学知名品牌。

平台主页：http://dblab.xmu.edu.cn/post/bigdata-teaching-platform/

扫一扫访问平台主页

主讲教师：林子雨

http://www.cs.xmu.edu.cn/linziyu

第 4 页

2．HDFS 常用操作
使用 hadoop 用户名登录进入 Linux 系统，启动 Hadoop，参照相关 Hadoop 书籍或网络
资料，或者也可以参考本教程官网的“实验指南”栏目的“HDFS 操作常用 Shell 命令”，
使用 Hadoop 提供的 Shell 命令完成如下操作：
（1）启动 Hadoop，在 HDFS 中创建用户目录“/user/hadoop”；
【参考答案】
使用 hadoop 用户名登录进入 Linux 系统，假设 Hadoop 系统被安装在“/usr/local/hadoop”目
录。使用如下命令启动 Hadoop：

$cd /usr/local/hadoop
$./sbin/start-dfs.sh #启动 HDFS
$./bin/hdfs dfs -mkdir -p /user/hadoop #在 HDFS 中创建用户目录/user/hadoop
1
2
3
（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；
【参考答案】

$cd /home/hadoop
$vim test.txt
#在 test.txt 中随便输入一些内容，并保存退出 vim 编辑器
$cd /usr/local/hadoop
$./bin/hdfs dfs -put /home/hadoop/test.txt /user/hadoop
1
2
3
4
5
（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；
【参考答案】

$ cd /usr/local/hadoop
$./bin/hdfs dfs -get /user/hadoop/test.txt /home/hadoop/下载
1
2
（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；
【参考答案】

$ cd /usr/local/hadoop
$./bin/hdfs dfs -cat /user/hadoop/test.txt
1
2
（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；
【参考答案】

$ cd /usr/local/hadoop
$./bin/hdfs dfs -mkdir /user/hadoop/input
$./bin/hdfs dfs -cp /user/hadoop/test.txt /user/hadoop/input
1
2
3
（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。
【参考答案】

$ cd /usr/local/hadoop
$./bin/hdfs dfs -rm /user/hadoop/test.txt
$./bin/hdfs dfs -rm -r /user/hadoop/input
1
2
3
Spark 读取文件系统的数据
（1）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；
【参考答案】假设 Spark 安装在“/usr/local/spark”目录。
$ cd /usr/local/spark
$./bin/spark-shell
scala>val textFile=sc.textFile("file:///home/hadoop/test.txt")
scala>textFile.count()
1
2
3
4
（2）在 spark-shell 中读取 HDFS 系统文件“/user/hadoop/test.txt”（如果该文件不存在，
请先创建），然后，统计出文件的行数；
【参考答案】

scala>val textFile=sc.textFile("hdfs://localhost:9000/user/hadoop/test.txt")
scala>textFile.count()
1
2
（3）编写独立应用程序，读取 HDFS 系统文件“/user/hadoop/test.txt”（如果该文件不存在，
请先创建），然后，统计出文件的行数；通过 sbt 工具将整个应用程序编译打包成 JAR 包，
并将生成的 JAR 包通过 spark-submit 提交到 Spark 中运行命令。
【参考答案】
使用 hadoop 用户名登录 Linux 系统，打开一个终端，在 Linux 终端中，执行如下命令创建
一个文件夹 sparkapp 作为应用程序根目录：

$ cd ~ #进入用户主文件夹
$ mkdir ./sparkapp #创建应用程序根目录
$ mkdir -p ./sparkapp/src/main/scala # 创建所需的文件夹结构
1
2
3
需要注意的是，为了能够使用 sbt 对 Scala 应用程序进行编译打包，需要把应用程序代
码存放在应用程序根目录下的“src/main/scala” 目录下。下面使用 vim 编辑器在
“~/sparkapp/src/main/scala”下建立一个名为 SimpleApp.scala 的 Scala 代码文件，命令如下：

$ cd ~
$ vim ./sparkapp/src/main/scala/SimpleApp.scala
1
2
然后，在 SimpleApp.scala 代码文件中输入以下代码：

/* SimpleApp.scala */
import org.apache.spark.SparkContext
import org.apache.spark.SparkContext._
import org.apache.spark.SparkConf
object SimpleApp {
def main(args: Array[String]){
val logFile = " hdfs://localhost:9000/user/hadoop/test.txt"
val conf = new SparkConf().setAppName("Simple Application")
val sc = new SparkContext(conf)
val logData = sc.textFile(logFile, 2)
val num = logData.count()
printf("The num of this file is %d", num)
}
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
下面使用 sbt 对 Scala 程序进行编译打包。
SimpleApp.scala 程序依赖于 Spark API，因此，需要通过 sbt 进行编译打包以后才能运
行。首先，需要使用 vim 编辑器在“~/sparkapp”目录下新建文件 simple.sbt，命令如下：

$ cd ~
$ vim ./sparkapp/simple.sbt
1
2
simple.sbt 文件用于声明该独立应用程序的信息以及与 Spark 的依赖关系（实际上，只
要扩展名使用.sbt，文件名可以不用 simple，可以自己随意命名，比如 mysimple.sbt）。需要
在 simple.sbt 文件中输入以下内容：

name := "Simple Project"
version := "1.0"
scalaVersion := "2.11.8"
libraryDependencies += "org.apache.spark" %% "spark-core" % "2.1.0"
1
2
3
4
为了保证 sbt 能够正常运行，先执行如下命令检查整个应用程序的文件结构：

$ cd ~/sparkapp
$ find .
1
2
文件结构应该是类似如下所示的内容：

.
./src
./src/main
./src/main/scala
./src/main/scala/SimpleApp.scala
./simple.sbt
1
2
3
4
5
6
接下来，可以通过如下代码将整个应用程序打包成 JAR：

$ cd ~/sparkapp #一定把这个目录设置为当前目录
$ /usr/local/sbt/sbt package
1
2
对于刚刚安装的 Spark 和 sbt 而言，第一次执行上面命令时，系统会自动从网络上下载
各种相关的依赖包，因此上面执行过程需要消耗几分钟时间，后面如果再次执行 sbt package
命令，速度就会快很多，因为不再需要下载相关文件。执行上述命令后，屏幕上会返回如下
类似信息：

$ /usr/local/sbt/sbt package
OpenJDK 64-Bit Server VM warning: ignoring option MaxPermSize=256M; support was removed
in 8.0
[info] Set current project to Simple Project (in build file:/home/hadoop/sparkapp/)
……
[info] Done packaging.
[success] Total time: 2 s, completed 2017-8-30 23:57:29
1
2
3
4
5
6
7
生成的 JAR 包的位置为“~/sparkapp/target/scala-2.11/simple-project_2.11-1.0.jar”。
对于前面 sbt 打包得到的应用程序 JAR 包，可以通过 spark-submit 提交到 Spark 中运
行，命令如下：

$ /usr/local/spark/bin/spark-submit --class "SimpleApp"
~/sparkapp/target/scala-2.11/simple-project_2.11-1.0.jar
根据这个博客学习：https://blog.csdn.net/weixin_43952169/article/details/115678502

posted @ 2024-01-17 18:27 云边上打盹阅读(17) 评论(0) 收藏举报

刷新页面返回顶部

寒假学习3

公告