本篇分析一個spark例子程序。

程序實現的功能是：分別統計包含字符a、b的行數。

java源碼如下：

package sparkTest;

import org.apache.spark.SparkConf;

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

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

import org.apache.spark.api.java.function.Function;

public class SimpleApp {

public static void main(String[] args) {

String logFile = "file:///usr/local/spark/README.md"; // Should be some file on your system

SparkConf conf = new SparkConf().setAppName("Simple Application").setMaster("local");

JavaSparkContext sc = new JavaSparkContext(conf);

JavaRDD logData = sc.textFile(logFile).cache();//將文件cache在內存中

long numAs = logData.filter(new Function() {//保留包含a的元素

public Boolean call(String s) {

return s.contains("a");//

}

}).count();//RDD元素總數

long numBs = logData.filter(new Function() {//String為輸入類型，保留Boolean為true元素

public Boolean call(String s) {

return s.contains("b");

}

}).count();

System.out.println("Lines with a: " + numAs + ", lines with b: " + numBs);

}

}

基本步驟解析如下：

1、設置sparkContext，包括sparkConf，讀取文件的地址和協議。

2、將文件內容cache()在內存中。經過實驗，不cache()也能執行顯示正確結果。

3、JavaRDD.filter()。對元素進行過濾，過濾的方法是函數Function(String, Boolean)。

具體定義在call(String s)中。

其中Function的參數String與call的參數String對應。Function的參數Boolean與call函數返回值Boolean類型對應。

返回Boolean為true的元素通過filter，保留在新生成的ＲＤＤ中。

4、JavaRDD.count()對RDD元素個數進行統計。

5、最后，打印結果。

注意：這里的filter()、count()對應的就是transformation、action。