【快速入门大数据】前沿技术拓展Spark,Flink,Beam

瑞新

发布于 2021-12-06 14:03:13

5390

发布于 2021-12-06 14:03:13

文章被收录于专栏：用户3288143的专栏用户3288143的专栏

文章目录

概览

Spark、Flink、Beam Beam编写完适用于Spark、Flink使用

Spark

mr问题

mr->spark?

开发不爽 mr两个过程速度不快 m存硬盘r存hdfs 框架多样性批处理流式处理

Spark特征

http://spark.apache.org/

速度快内存和磁盘都比mr快易用支持多语言命令行直接运行通用性同一个应用程序同时引用库

运行可运行在hdfs之上计算

Spark生态系统对比Hadoop生态系统

Tachyon 正式更名为 Alluxio，新的版本新增支持任意存储系统如阿里云对象存储 OSS、Amazon S3……

MPI是一个跨语言的通讯协议，，用于编写并行计算机。MPI的目标是高性能，大规模性，和可移植性。

生态对比hadoop、spark

对比hadoop、spark

对比mr和spark

开发语言及运行环境

开发Spark

运行模式代码是一样的提交参数不同导致运行模式不同

Scala&Maven安装

解压文件

tar -zxf apache-maven-3.6.1-bin.tar.gz -C ./

环境变量配置

export SCALA_HOME=/root/software/scala-2.10.6
export PATH=$SCALA_HOME/bin:$PATH
export MAVEN_HOME=/root/software/apache-maven-3.6.1
export PATH=$MAVEN_HOME/bin:$PATH

//刷新配置
source /etc/profile

验证

scala

mvn -version

配置Spark

手动编译适合cdh的压缩包（注意1.7的jdk可能会过时了） spark-2.4.3-bin-2.6.0-cdh5.15.1.tgz

进入bin目录启动模式（本地测试local好） /root/software/spark-2.4.3-bin-2.6.0-cdh5.15.1/bin

master URL []两个线程

//启动spark两个线程
./spark-shell --master local[2]

快速指南简单helloworld

注意本地读取

[root@hadoop01 data]# cat hello.txt
hello world
hello hadoop
hello hdfs

scala

scala> val textFile = spark.read.textFile("/root/data/hello.txt")

scala> textFile.collect
res1: Array[String] = Array(hello world, hello hadoop, hello hdfs, "")

scala> textFile.count
res2: Long = 4

检验 http://hadoop01:4040/jobs/

总结

spark启动：spark-shell --master local[2]

spark实现wc：
val file = sc.textFile("file:///home/hadoop/data/hello.txt")
val a = file.flatMap(line => line.split(" "))
val b = a.map(word => (word,1))
Array((hadoop,1), (welcome,1), (hadoop,1), (hdfs,1), (mapreduce,1), (hadoop,1), (hdfs,1))

val c = b.reduceByKey(_ + _)
	Array((mapreduce,1), (welcome,1), (hadoop,3), (hdfs,2))


sc.textFile("file:///home/hadoop/data/hello.txt").flatMap(line => line.split(" ")).map(word => (word,1)).reduceByKey(_ + _).collect

Flink分布式计算框架（流处理）

概述

配合使用的框架，流入流出

注意hadoop版本和scala版本，新版flink并未细分下载选项

配置环境

flink解压

tar -zxf flink-1.12.1-bin-scala_2.11.tgz -C ./

wordcount

Flink运行

./bin/flink run ./examples/batch/WordCount.jar \
--input file:///root/data/hello.txt --output file:///root/data/tmp/flink_wc_output

检验

[root@hadoop01 tmp]# cat flink_wc_output
hadoop 1
hdfs 1
hello 3
world 1

Beam

java\python编写应用于批处理、流处理

https://beam.apache.org/

quickstart-java

jdk1.7之后和 maven 前置环节

tree

Beam运行：
mvn archetype:generate \
      -DarchetypeGroupId=org.apache.beam \
      -DarchetypeArtifactId=beam-sdks-java-maven-archetypes-examples \
      -DarchetypeVersion=2.27.0 \
      -DgroupId=org.example \
      -DartifactId=word-count-beam \
      -Dversion="0.1" \
      -Dpackage=org.apache.beam.examples \
      -DinteractiveMode=false

#direct方式运行
mvn compile exec:java -Dexec.mainClass=org.apache.beam.examples.WordCount \
-Dexec.args="--inputFile=/home/hadoop/data/hello.txt --output=counts" \
-Pdirect-runner

#spark方式运行
mvn compile exec:java -Dexec.mainClass=org.apache.beam.examples.WordCount \
-Dexec.args="--runner=SparkRunner --inputFile=/home/hadoop/data/hello.txt --output=counts" -Pspark-runner


#flink方式运行