文章出处 http://blog.csdn.net/whzhaochao/article/details/72358215

写在前面

一直想学习一下大数相关知识，之前感觉门槛有点高，跑一个HelloWorld需要安装配置一大堆东西，最近有点时间，重新想学习一下大数据相关知识，这次我选择了Scala+Spark，感觉入门比较容易，也是现在大数据主流使用的技术吧，想升职加薪，撑握大数据分析还是很有必要的！

Maven选择

Scala环境搭建主要是两种方式一种是传统的Maven还有一种是Sbt，不过使用Sbt一直都是慢爆了，找了很多解决方法还是很慢，所以Maven是个很好的替代品，从Java过来的应该都会

创建项目

1.使用Idea创建新的Maven项目，勾选Create from archetype 然后选择canel-archetype-scala,如下图所示

2.这个archetype会生成很多我们用不到的东西，所以删除Pom中不需要的东西，使用如下pom配置 ，然后再删除项目中自动生成的类

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/maven-v4_0_0.xsd">
 <modelVersion>4.0.0</modelVersion>
 <groupId>com.spark</groupId>
 <artifactId>helloSpark</artifactId>
 <packaging>jar</packaging>
 <version>1.0-SNAPSHOT</version>
 <name>A Camel Scala Route</name>
 <dependencies>
  <dependency>
   <groupId>org.apache.spark</groupId>
   <artifactId>spark-core_2.11</artifactId>
   <version>2.0.0</version>
  </dependency>
 </dependencies>
 <build>
  <sourceDirectory>src/main/scala</sourceDirectory>
  <plugins>
   <plugin>
    <groupId>net.alchim31.maven</groupId>
    <artifactId>scala-maven-plugin</artifactId>
    <version>3.2.0</version>
   </plugin>
  </plugins>
 </build>
</project>

3.创建我们自己的helloSpark.scala

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

object helloSpark {
 def main(args: Array[String]): Unit = {
  //设置本机Spark配置
  val conf = new SparkConf().setAppName("wordCount").setMaster("local")
  //创建Spark上下
  val sc = new SparkContext(conf)
  //从文件中获取数据
  val input = sc.textFile("D:\\data\\1.txt")
  //分析并排序输出统计结果
  input.flatMap(line => line.split(" ")).map(word => (word, 1)).reduceByKey((x, y) => x + y).sortBy(_._2,false).foreach(println _)
 }
}

计算过程分析
- flatMap(line => line.split(” “)) 按安空格拆分文件中单词
- map(word => (word, 1)) 将每个词映射成 (word,1)，word是重复的
- reduceByKey((x, y) => x + y) 将key相同的单词相加得到，word不重复
- sortBy(_._2,false) 按词数量排序
- foreach(println _) 输出结题

4.输出结果

学习数据及源代码

http://git.oschina.net/whzhaochao/spark-learning