运行Spark Shell读取HDFS文件

下面通过启动Spark-Shell，并且使用Scala语言开发单词计数的Spark程序，现有文本文件words.txt（读者需要在本地创建文件并上传至指定目录）在HDFS中的/spark/test路径下，且文本内容如下。

hello hadoop
hello spark
hellp itcast

如果使用Spark Shell来读取HDFS中的/spark/test/ words.txt文件，具体步骤如下：

1．整合Spark与HDFS

Spark加载HDFS上的文件，需要修改spark-env.sh配置文件，添加HADOOP_CONF_DIR配置参数，指定Hadoop配置文件的目录，添加配置参数如下。

\#指定HDFS配置文件目录
export HADOOP_CONF_DIR=/export/servers/hadoop-2.7.4/etc/hadoop

2．启动Hadoop 、Spark服务

配置完毕后，启动Hadoop集群服务，并重新启动Spark集群服务，使配置文件生效。

3．启动Spark-Shell编写程序

​ 启动Spark-Shell交互式界面，执行命令如下。

$ bin/spark-shell --master local[2]

​ 执行上述命令，Spark-Shell启动成功后，就会进入如图1所示的程序交互界面。

图1 spark-shell模式

Spark-Shell本身就是一个Driver，它会初始化一个SparkContext对象为“sc”，用户可以直接调用。下面编写Scala代码实现单词计数，具体代码如下。

scala > sc.textFile("/spark/test/words.txt").flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).collect
res0: Array[(String, Int)] = Array((itcast,1), (hello,3), (spark,1), (hadoop,1))

上述代码中，res0表示返回的结果对象，该对象中是一个Array]类型的集合，(itcast，1)则表示“itcast”单词总计为1个。

4．退出Spark-Shell客户端

可以使用命令“:quit”退出Spark-Shell，如下所示。

scala > :quit

​ 也可以使用快捷键“Ctrl+D”，退出Spark-Shell。