033 Java Spark的编程

1.Java SparkCore编程

　　入口是：JavaSparkContext
　　　　基本的RDD是：JavaRDD
　　　　其他常用RDD: JavaPairRDD
　　JavaRDD和JavaPairRDD转换：
　　　　JavaRDD => JavaPairRDD: 通过mapToPair函数
　　　　JavaPairRDD => JavaRDD: 通过map函数转换

2.前提

　　运行前将core-site.xml复制到resource文件夹中

3.程序　　

 package com.ibeifeng.senior;
 
 import org.apache.spark.SparkConf;
 import org.apache.spark.api.java.JavaPairRDD;
 import org.apache.spark.api.java.JavaRDD;
 import org.apache.spark.api.java.JavaSparkContext;
 import org.apache.spark.api.java.function.FlatMapFunction;
 import org.apache.spark.api.java.function.Function2;
 import org.apache.spark.api.java.function.PairFunction;
 import org.apache.spark.api.java.function.VoidFunction;
 import scala.Tuple2;
 
 import java.sql.Connection;
 import java.sql.DriverManager;
 import java.sql.PreparedStatement;
 import java.util.Arrays;
 import java.util.Iterator;
 
 /**
  * Java实现Spark的WordCount程序
  * Created by ibf on 02/15.
  */
 public class JavaWordCountSparkCore {
     public static void main(String[] args) {
         String resultHDFSSavePath = "/beifeng/spark/result/wordcount/" + System.currentTimeMillis();
         // 1. 创建SparkConf配置信息
         SparkConf conf = new SparkConf()
                 .setMaster("local[*]")
                 .setAppName("spark-wordcount");
 
         // 2. 创建SparkContext对象，在java编程中，该对象叫做JavaSparkContext
         JavaSparkContext sc = new JavaSparkContext(conf);
 
         // 3. 从hdfs读取文件形成RDD
         // TODO: 文件路径自行给定
         JavaRDD<String> rdd = sc.textFile("/hive/common.db/dept");
 
         // 4. RDD数据处理
         // TODO: 过滤特殊字符
         // 4.1 行数据的分割，调用flatMap函数
         JavaRDD<String> wordRDD = rdd.flatMap(new FlatMapFunction<String, String>() {
             @Override
             public Iterable<String> call(String s) throws Exception {
                 String line = s;
                 if (line == null) line = "";
                 String[] arr = line.split("\t");
                 return Arrays.asList(arr);
             }
         });
 
         // 4.2 将数据转换为key/value键值对
         /**
          * RDD的reduceByKey函数不是RDD类中，通过隐式转换后，存在于其他类中<br/>
          * Java由于不存在隐式转换，所以不能直接调用map函数进行key/value键值对转换操作，必须调用特定的函数
          * */
         JavaPairRDD<String, Integer> wordCountRDD = wordRDD.mapToPair(new PairFunction<String, String, Integer>() {
             @Override
             public Tuple2<String, Integer> call(String s) throws Exception {
                 return new Tuple2<String, Integer>(s, 1);
             }
         });
 
         // 4.3 聚合结果
         JavaPairRDD<String, Integer> resultRDD = wordCountRDD.reduceByKey(new Function2<Integer, Integer, Integer>() {
 
             @Override
             public Integer call(Integer v1, Integer v2) throws Exception {
                 return v1 + v2;
             }
         });
 
         // 5. 结果输出
         // 5.1 结果输出到HDFS
         resultRDD.saveAsTextFile(resultHDFSSavePath);
         // 5.2 结果输出到MySQL
         /**
          * SparkCore RDD数据的读入是通过InputFormat来读入数据形成RDD的
          *  sc.newAPIHadoopRDD[K, V, F <: NewInputFormat[K, V]](
          conf: Configuration,
          fClass: Class[F],
          kClass: Class[K],
          vClass: Class[V])
          * RDD的saveASxxxx相关方法是利用OutputFormat来进行数据输出的
          * resultRDD.saveAsNewAPIHadoopDataset(conf: Configuration);
          */
         resultRDD.foreachPartition(new VoidFunction<java.util.Iterator<Tuple2<String, Integer>>>() {
 
             @Override
             public void call(Iterator<Tuple2<String, Integer>> tuple2Iterator) throws Exception {
                 Class.forName("com.mysql.jdbc.Driver");
                 String url = "jdbc:mysql://hadoop-senior01:3306/test";
                 String username = "root";
                 String password = "123456";
                 Connection conn = null;
                 try {
                     // 1. 创建connection连接
                     conn = DriverManager.getConnection(url, username, password);
 
                     // 2. 构建statement
                     String sql = "insert into wordcount values(?,?)";
                     PreparedStatement pstmt = conn.prepareStatement(sql);
 
                     // 3. 结果数据输出
                     while (tuple2Iterator.hasNext()) {
                         Tuple2<String, Integer> t2 = tuple2Iterator.next();
                         pstmt.setString(1, t2._1());
                         pstmt.setLong(2, t2._2());
 
                         pstmt.executeUpdate();
                     }
                 } finally {
                     // 4. 关闭连接
                     conn.close();
                 }
 
             }
         });
 
     }
 }