scala - 在Apache Spark中传递参数

Question

我在本地计算机上运行此代码：

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

object SimpleApp {
  def main(args: Array[String]) {
    val logFile = "/Users/username/Spark/README.md"
    val conf = new SparkConf().setAppName("Simple Application")
    val sc = new SparkContext(conf)
    val logData = sc.textFile(logFile, 2).cache()
    val numAs = logData.filter(line => line.contains("a")).count()
    val numBs = logData.filter(line => line.contains("b")).count()
    println("Lines with a: %s, Lines with b: %s".format(numAs, numBs))
  }
}

我想运行该程序，但要在其他文件上运行-当前仅在README.md上运行。运行Spark（或与此相关的任何其他参数）时如何传递另一个文件的文件路径？例如，我想将 contains("a")更改为另一个字母。

我通过以下方式运行程序：

$ YOUR_SPARK_HOME/bin/spark-submit \
  --class "SimpleApp" \
  --master local[4] \
  target/scala-2.10/simple-project_2.10-1.0.jar

谢谢！

Answer 1

当您设置主电源时

 def main(args: Array[String]) {

您正在准备让主体接受.jar行之后的任何内容作为参数。它将为您创建一个名为“ args”的数组。然后，您可以像往常一样使用args [n]访问它们。

检查参数的类型和/或格式可能会很好，通常是您是否可以运行此参数。

因此，与其设置

val logFile = "String here"

设置它

val logFile = args(0)

然后将文件作为第一个参数传递。有关更多信息，请查看spark-submit docs，但是，您基本上只需在下一行输入它即可。