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。