任务描述

本关任务：使用Scala编写一个找出README.md文件中包含'a'的行数和包含'b'的行数的程序，并使用Maven对程序进行编译打包提交到Saprk上。

相关知识

在终端中执行如下命令创建一个文件夹 sparkapp3作为应用程序根目录：

1. cd ~ # 进入用户主文件夹
2. mkdir ./sparkapp3 # 创建应用程序根目录
3. mkdir -p ./sparkapp3/src/main/scala # 创建所需的文件夹结构

在./sparkapp3/src/main/scala下建立一个名为SimpleApp.scala的文件（vim ./sparkapp3/src/main/scala/SimpleApp.scala），添加代码如下：

1. /* SimpleApp.scala */
2. import org.apache.spark.SparkContext
3. import org.apache.spark.SparkContext._
4. import org.apache.spark.SparkConf
6. object SimpleApp {
7. def main(args: Array[String]) {
8. val logFile = "file:///usr/local/spark/README.md" // Should be some file on your system
9. val conf = new SparkConf().setAppName("Simple Application")
10. val sc = new SparkContext(conf)
11. val logData = sc.textFile(logFile, 2).cache()
12. val numAs = logData.filter(line => line.contains("a")).count()
13. val numBs = logData.filter(line => line.contains("b")).count()
14. println("Lines with a: %s, Lines with b: %s".format(numAs, numBs))
15. }
16. }

该程序计算 /usr/local/spark/README 文件中包含 “a” 的行数 和包含 “b” 的行数。代码第8行的 /usr/local/spark 为 Spark 的安装目录，如果不是该目录请自行修改。不同于 Spark shell，独立应用程序需要通过 val sc = new SparkContext(conf) 初始化 SparkContext，SparkContext 的参数 SparkConf 包含了应用程序的信息。 该程序依赖Spark Java API,因此我们需要通过Maven进行编译打包。在./sparkapp3目录中新建文件pom.xml，命令如下：

1. cd ~/sparkapp3
2. vim pom.xml

然后，在pom.xml文件中添加如下内容，用来声明该独立应用程序的信息以及与Spark的依赖关系：

1. <project>
2. <groupId>cn.edu.xmu</groupId>
3. <artifactId>simple-project</artifactId>
4. <modelVersion>4.0.0</modelVersion>
5. <name>Simple Project</name>
6. <packaging>jar</packaging>
7. <version>1.0</version>
8. <repositories>
9. <repository>
10. <id>jboss</id>
11. <name>JBoss Repository</name>
12. <url>http://repository.jboss.com/maven2/</url>
13. </repository>
14. </repositories>
15. <dependencies>
16. <dependency> <!-- Spark dependency -->
17. <groupId>org.apache.spark</groupId>
18. <artifactId>spark-core_2.12</artifactId>
19. <version>3.0.2</version>
20. </dependency>
21. </dependencies>
22. <build>
23. <sourceDirectory>src/main/scala</sourceDirectory>
24. <plugins>
25. <plugin>
26. <groupId>org.scala-tools</groupId>
27. <artifactId>maven-scala-plugin</artifactId>
28. <executions>
29. <execution>
30. <goals>
31. <goal>compile</goal>
32. </goals>
33. </execution>
34. </executions>
35. <configuration>
36. <scalaVersion>2.12.10</scalaVersion>
37. <args>
38. <arg>-target:jvm-1.8</arg>
39. </args>
40. </configuration>
41. </plugin>
42. </plugins>
43. </build>
44. </project>

为了保证Maven能够正常运行，先执行如下命令检查整个应用程序的文件结构：

1. cd ~/sparkapp3
2. find .

文件结构应该是类似如下的内容：

1. .
2. ./pom.xml
3. ./src
4. ./src/main
5. ./src/main/scala
6. ./src/main/scala/SimpleApp.scala

接下来，我们可以通过如下代码将整个应用程序打包成JAR包（注意：计算机需要保持连接网络的状态，而且首次运行打包命令时，Maven会自动下载依赖包，需要消耗几分钟的时间）：

1. cd ~/sparkapp3 #一定把这个目录设置为当前目录
2. /usr/local/maven/bin/mvn package

如果屏幕返回如下信息，则说明生成JAR包成功：

生成的应用程序JAR包的位置为~/sparkapp3/target/simple-project-1.0.jar。如果运行Maven编译打包过程很慢，是因为需要到国外网站下载很多的依赖包，国外网站速度很慢，因此，要花费很长时间。为了加快速度，可以更改为国内的仓库地址。 最后，我们就可以将生成的 jar 包通过 spark-submit 提交到 Spark 中运行了，命令如下：

1. /usr/local/spark/bin/spark-submit --class "SimpleApp" ~/sparkapp3/target/simple-project-1.0.jar
2. #上面命令执行后会输出太多信息，可以不使用上面命令，而使用下面命令查看想要的结果
3. /usr/local/spark/bin/spark-submit --class "SimpleApp" ~/sparkapp3/target/simple-project-1.0.jar > step5.txt #结果输出到step5.txt中
4. cat step5.txt

得到的结果如下：

1. Lines with a: 71, Lines with b: 38

到此，就顺利完成 Spark 应用程序的Maven编译打包运行了。

编程要求

根据提示，完成Maven对Sacal进行打包。

---

开始你的任务吧，祝你成功！