新建AccessLogDriverCluster類

package com.it19gong.clickproject;import java.sql.PreparedStatement; import java.util.ArrayList; import java.util.List;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; import org.apache.spark.api.java.function.VoidFunction; import org.apache.spark.sql.DataFrame; import org.apache.spark.sql.Row; import org.apache.spark.sql.RowFactory; import org.apache.spark.sql.SQLContext; import org.apache.spark.sql.types.DataTypes; import org.apache.spark.sql.types.StructField; import org.apache.spark.sql.types.StructType;public class AccessLogDriverCluster {static DBHelper db1=null;public static void main(String[] args) throws Exception {// 創建SparkConf、JavaSparkContext、SQLContextSparkConf conf = new SparkConf() .setAppName("RDD2DataFrameProgrammatically"); JavaSparkContext sc = new JavaSparkContext(conf);SQLContext sqlContext = new SQLContext(sc);// 第一步，創建一個普通的RDD，但是，必須將其轉換為RDD<Row>的這種格式//獲取昨天時間JavaRDD<String> lines = sc.textFile("hdfs://node1/data/clickLog/2019/08/31");// 分析一下// 它報了一個，不能直接從String轉換為Integer的一個類型轉換的錯誤// 就說明什么，說明有個數據，給定義成了String類型，結果使用的時候，要用Integer類型來使用// 而且，錯誤報在sql相關的代碼中// 所以，基本可以斷定，就是說，在sql中，用到age<=18的語法，所以就強行就將age轉換為Integer來使用// 但是，肯定是之前有些步驟，將age定義為了String// 所以就往前找，就找到了這里// 往Row中塞數據的時候，要注意，什么格式的數據，就用什么格式轉換一下，再塞進去JavaRDD<Row> clickRDD = lines.map(new Function<String, Row>() {private static final long serialVersionUID = 1L;@Overridepublic Row call(String line) throws Exception {String itr[] = line.split(" ");String ip = itr[0];String date = AnalysisNginxTool.nginxDateStmpToDate(itr[3]);String url = itr[6];String upFlow = itr[9];return RowFactory.create(ip,date,url,Integer.valueOf(upFlow)); }});// 第二步，動態構造元數據// 比如說，id、name等，field的名稱和類型，可能都是在程序運行過程中，動態從mysql db里// 或者是配置文件中，加載出來的，是不固定的// 所以特別適合用這種編程的方式，來構造元數據List<StructField> structFields = new ArrayList<StructField>();structFields.add(DataTypes.createStructField("ip", DataTypes.StringType, true)); structFields.add(DataTypes.createStructField("date", DataTypes.StringType, true)); structFields.add(DataTypes.createStructField("url", DataTypes.StringType, true)); structFields.add(DataTypes.createStructField("upflow", DataTypes.IntegerType, true)); StructType structType = DataTypes.createStructType(structFields);// 第三步，使用動態構造的元數據，將RDD轉換為DataFrameDataFrame studentDF = sqlContext.createDataFrame(clickRDD, structType);// 后面，就可以使用DataFrame了studentDF.registerTempTable("log"); DataFrame sumFlowDF = sqlContext.sql("select ip,sum(upflow) as sum from log group by ip order by sum desc"); db1=new DBHelper();final String sql="insert into upflow(ip,sum) values(?,?) ";sumFlowDF.javaRDD().foreach(new VoidFunction<Row>() {@Overridepublic void call(Row t) throws Exception {// TODO Auto-generated method stubPreparedStatement pt = db1.conn.prepareStatement(sql);pt.setString(1,t.getString(0));pt.setString(2,String.valueOf(t.getLong(1)));pt.executeUpdate();}});;}}

打包

報錯

刪除apptest文件

再次打包

把打好的包拷貝出來

并且重命名

vim project.sh /opt/modules/spark-1.5.1-bin-hadoop2.6/bin/spark-submit --class com.it19gong.clickproject.AccessLogDriverCluster --num-executors 3 --driver-memory 100m --executor-memory 100m --executor-cores 3 --files /opt/modules/hive/conf/hive-site.xml --driver-class-path /opt/modules/hive/lib/mysql-connector-java-5.1.28.jar /home/hadoop/sparkproject.jar

把原來的包刪除

上傳新的包

執行腳本

mysql數據多了兩條

打開azkaban的頁面，這里再次提醒要用谷歌瀏覽器

新建spark.job文件

#command.job type=command command=bash project.sh

打包成zip包

上傳zip包

開始執行

mysql數據庫多了兩天數據

參考鏈接：https://www.cnblogs.com/braveym/p/12259956.html

總結

以上是生活随笔為你收集整理的案例实操：Azkaban调度spark作业的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。