SpringBoot对接Spark过程详解

本文主要介绍 SpringBoot 与 Spark 如何对接，具体使用可以参考文章SpringBoot 使用 Spark

pom 文件添加 maven 依赖

• spark-core：spark 的核心库，如：SparkConf
• spark-sql：spark 的 sql 库，如：sparkSession
• janino： Janino 是一个极小、极快的 开源Java 编译器，若不添加，spark 获取 MySQL 或 JSON 数据时会报错

org.springframework.web.util.NestedServletException: Handler dispatch failed; nested exception is java.lang.NoClassDefFoundError: org/codehaus/janino/InternalCompilerExceptio

<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-core_2.13</artifactId>
    <version>3.2.1</version>
</dependency>
<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-sql_2.13</artifactId>
    <version>3.2.1</version>
</dependency>
<dependency>
    <groupId>org.codehaus.janino</groupId>
    <artifactId>janino</artifactId>
    <version>3.0.8</version>
</dependency>

application.yml 添加 spack 配置，master 使用 local 不需要搭建 spark，方便学习与测试

spark:
  app:
    name: fat
  master:
    uri: local[*]

配置 SparkConfig

• sparkConf：Spark 基础信息配置
• JavaSparkContext：基于 sparkConf 生成，用于
• SparkSession：基于 SparkContext 生成

@Configuration
public class SparkConfig {
    @Value("${spark.app.name}")
    private String appName;
    @Value("${spark.master.uri}")
    private String sparkMasterUri;
    @Bean
    public SparkConf sparkConf() {
        SparkConf sparkConf = new SparkConf()
                .setAppName(appName)
                .setMaster(sparkMasterUri);
        return sparkConf;
    }
    @Bean
    @ConditionalOnMissingBean(JavaSparkContext.class)
    public JavaSparkContext javaSparkContext() {
        return new JavaSparkContext(sparkConf());
    }
    @Bean
    public SparkSession sparkSession() {
        return SparkSession
                .builder()
                .sparkContext(javaSparkContext().sc())
                .getOrCreate();
    }
}

SparkContext：从Spark1.x开始，Spark SparkContext是Spark的入口点，用于在集群上以编程方式创建Spark RDD、累加器和广播变量。是spark执行环境的客户端，是spark执行作业的入口点，是spark应用程序的主控。

SparkSession：从Spark2.0开始，SparkSession已经成为Spark处理RDD、DataFrame 和 Dataset 的入口点。SparkSessio n封装了SparkConf、SparkContext和SQLContext。为了向后兼容，SQLContext和HiveContext也被保存下来。它实质上是SQLContext和HiveContext的组合（未来可能还会加上StreamingContext），所以在SQLContext和HiveContext上可用的API在 SparkSession 上同样是可以使用的。SparkSession 内部封装了sparkContext，所以计算实际上是由 sparkContext 完成的。

SQLContext：在Spark version1.0中，为了处理结构化数据(行和列)，SQLContext (org.apache.spark.sql.SQLContext )是一个入口点，但是在2.0版本中，SQLContext已经被SparkSession所取代。Apache Spark SQLContext是SparkSQL的入口点，Spark是Spark1.x中用于结构化数据(行和列)的Spark模块。正在处理。Spark SQLContext已初始化。

JavaSparkContext 是 Java友好版本的[org.apache.spark.SparkContext]返回[org.apache.spark.api.java.JavaRDD]，并使用Java集合，而不是Scala集合。

到此这篇关于SpringBoot对接Spark过程详解的文章就介绍到这了,更多相关SpringBoot Spark内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！