[Spark]Spark RDD 指南一引入Spark

小咪咪 2022-02-12 14:39 321阅读 0赞

###  ###

### 2.3.0版本：[Spark2.3.0 引入Spark][Spark2.3.0 _Spark] ###

### 1. Java版 ###

Spark 2.1.1适用于Java 7及更高版本。 如果您使用的是Java 8，则Spark支持使用lambda表达式来简洁地编写函数，否则可以使用org.apache.spark.api.java.function包中的类。

请注意，从Spark 2.0.0开始，不支持Java 7，并且可能会在Spark 2.2.0中删除(Note that support for Java 7 is deprecated as of Spark 2.0.0 and may be removed in Spark 2.2.0)。

要在Java中编写Spark应用程序，您需要在Spark上添加依赖关系。 Spark可通过Maven 仓库获得：

groupId = org.apache.spark
    artifactId = spark-core_2.11
    version = 2.1.0

另外，如果希望访问HDFS集群，则需要根据你的HDFS版本添加hadoop-client的依赖：

groupId = org.apache.hadoop
    artifactId = hadoop-client
    version = <your-hdfs-version>

最后，您需要将一些Spark类导入到程序中。 添加以下行：

import org.apache.spark.SparkConf;
    import org.apache.spark.api.java.JavaRDD;
    import org.apache.spark.api.java.JavaSparkContext;

### 2. Scala版 ###

默认情况下，Spark 2.1.1在Scala 2.11上构建并分布式运行(Spark 2.1.1 is built and distributed to work with Scala 2.11 by default)。 （Spark可以与其他版本的Scala一起构建。）要在Scala中编写应用程序，您将需要使用兼容的Scala版本（例如2.11.X）。

要在Java中编写Spark应用程序，您需要在Spark上添加依赖关系。 Spark可通过Maven 仓库获得：

groupId = org.apache.spark
    artifactId = spark-core_2.11
    version = 2.1.1

另外，如果希望访问HDFS集群，则需要根据你的HDFS版本添加hadoop-client的依赖：

groupId = org.apache.hadoop
    artifactId = hadoop-client
    version = <your-hdfs-version>

最后，您需要将一些Spark类导入到程序中。 添加以下行：

import org.apache.spark.SparkContext
    import org.apache.spark.SparkConf

备注

在Spark 1.3.0之前，您需要显式导入`org.apache.spark.SparkContext._`才能启用基本的隐式转换。

原文：[http://spark.apache.org/docs/latest/programming-guide.html\#linking-with-spark][http_spark.apache.org_docs_latest_programming-guide.html_linking-with-spark]

[Spark2.3.0 _Spark]: http://smartsi.club/2018/03/12/spark-base-linking-with-spark/
[http_spark.apache.org_docs_latest_programming-guide.html_linking-with-spark]: http://spark.apache.org/docs/latest/programming-guide.html#linking-with-spark