10. spark学习之旅之sbt（四）

1. 依赖jar包的查找地址 Maven Repository仓库

2. scala中的项目管理工具sbt

sbt是类似ANT、MAVEN的构建工具，全称为Simple build tool，是Scala事实上的标准构建工具

2.1.软件安装和配置

• sbt官网

• Scala sbt的下载及安装

• Linux安装sbt,修改镜像参照windows平台的方法

• windows下安装配置sbt (重要)

  • 安装软件到位置：D:\dev\sbt

  • sbt安装目录下的conf目录中添加了一个repo.properties文件

    [repositories]
      local
      aliyun: https://maven.aliyun.com/nexus/content/groups/public/
      oschina: https://maven.oschina.net/content/groups/public/
      jcenter: https://jcenter.bintray.com/
      maven-central: https://repo1.maven.org/maven2/
      typesafe: https://repo.typesafe.com/typesafe/ivy-releases/, [organization]/[module]/(scala_[scalaVersion]/)(sbt_[sbtVersion]/)[revision]/[type]s/[artifact](-[classifier]).[ext], bootOnly
    
    

  • sbtconfig.txt配置

      ```
      -Dsbt.ivy.home=d:/dev/sbt/.ivy2
      -Dsbt.global.base=d:/dev/sbt/.sbt
      -Dsbt.repository.config=d:/dev/sbt/conf/repo.properties
      -Dsbt.boot.directory=d:/dev/sbt/.sbt/boot/
      ```
    

  • IDEA当中的配置
    

  • IDEA中创建maven工程后没有scala文件

  • 注意1：第一次输入sbt的时候需要准备一些东西，所以下载比较慢，主要下载内容已经放到了我的百度云盘：windows10平台，.ivy2和.sbt默认在c盘用的家目录下面，建议配置到自己的安装目录下面，方便管理

  • 注意2：遇到了一个错误There may be incompatibilities among your library dependencies; run 'evicted

    • 解决： 需要把C:\Users\59404\AppData\Local\Temp目录下的内容清理一下，由于安装了多个版本导致。

  • .ivy2和.sbt百度云链接；提取码 dxoj
    

2.2. sbt官网案例

3. sbt进阶

3.1. 操作符

• := 是给key分配一个初始表达式，覆盖原来的任何配置
• += 是追加一个值到key
• ++= 是追加一个队列，队列中放值，将值追加到key

3.2. task，里面可以定义task，task可以是执行外部的命令

• 案例一

  // 定义了task的类型为Unit，Key值叫helloTask
  val helloTask = taskKey[Unit]("say hello")
  
  helloTask := {
    print("hello task!")
  }
  

  

• 案例二（task之间没有依赖关系）

  val helloTask = taskKey[String]("say hello")
  val hiTask = taskKey[String]("say hi")
  val byeTask = taskKey[String]("say bye")
  
  val runAllTask = taskKey[Unit]("run all")
  
  runAllTask := {
    println(helloTask.value)
    println(hiTask.value)
    println(byeTask.value)
  }
  
  helloTask := {
    val hello = "hello"
    println(s"hello task run: $hello")
    Thread sleep 2000
    hello
  }
  
  hiTask := {
    val hi = "hi"
    println(s"hi task run: $hi")
    Thread sleep 2000
    hi
  }
  
  byeTask := {
    val bye = "bye"
    println(s"bye task run: $bye")
    Thread sleep 2000
    bye
  }
  

  

• 案例三（有依赖关系）

  val helloTask = taskKey[String]("say hello")
  val hiTask = taskKey[String]("say hi")
  val byeTask = taskKey[String]("say bye")
  
  val runAllTask = taskKey[Unit]("run all")
  
  runAllTask := {
    println(helloTask.value)
    println(hiTask.value)
    println(byeTask.value)
  }
  
  helloTask := {
    val hello = "hello"
    println(s"hello task run: $hello")
    Thread sleep 2000
    hello
  }
  
  hiTask := {
    val hi = "hi"
    println(s"hi task run: $hi")
    Thread sleep 2000
    hi
  }
  
  byeTask := {
    val hi = hiTask.value
    val bye = "bye"
    println(s"hi task run: $hi")
    println(s"bye task run: $bye")
    Thread sleep 2000
    bye
  }
  

  

• 结论

  • 在没有依赖关系的时候是并行，但有依赖关系就是串行，如果我们再设置hi依赖hello，那么就是6s
  • 如果互相依赖可能造成死锁，比如a依赖b的value，b里面又依赖a的value，那么就是鸡生蛋和蛋生鸡的问题了

• 详细链接

3.3. 待完善

4. spark之rdd小案例（sbt构建）

4.1. PV计算

import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}

object PV {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf().setAppName("pv").setMaster("local[2]")
    val sc = new SparkContext(conf)

    val result: RDD[(String, Int)] = sc.textFile("D:\\access.log").map(x => ("pv", 1)).reduceByKey(_ + _)
    result.foreach(println)

  }
}

4.2. UV计算

import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}

object UV {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf().setAppName("pv").setMaster("local[2]")
    val sc = new SparkContext(conf)

    val result: RDD[(String, Int)] = sc.textFile("D:\\access.log").map(_.split(" ")).map(x => x(0)).distinct().map(x => ("uv", 1)).reduceByKey(_+_)
    result.foreach(println)

  }
}

4.3. TOPN

• 数据格式
  

import org.apache.spark.{SparkConf, SparkContext}

object TopN {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf().setAppName("pv").setMaster("local[2]")
    val sc = new SparkContext(conf)

    val result: Array[(String, Int)] = sc.textFile("access.log").map(_.split(" ")).map(x => x(10)).map((_, 1)).reduceByKey(_ + _).sortBy(_._2, false).take(3)
    println(result)
  }
}

5. 所有命运赠送的礼物，早已在暗中标着价格。