有段时间没有操作过,发现自己忘记一些步骤了,这篇文章会记录相关步骤,并随时进行补充修改。
1 基础步骤,即相关环境部署及数据准备
数据文件类型为.csv文件,excel直接另存为即可,以逗号为分隔符
2 IDEA编辑代码,打jar包
参考以下链接:
IntelliJ IDEA Windows下Spark开发环境部署
k-means聚类代码参考:
package main.scala.yang.spark import org.apache.log4j.{Level, Logger} import org.apache.spark.{SparkConf, SparkContext} import org.apache.spark.mllib.linalg.Vectors import org.apache.spark.mllib.clustering.KMeans object KMeansBeijing { def main(args: Array[String]): Unit = { // 屏蔽不必要的日志显示在终端上 Logger.getLogger("org.apache.spark").setLevel(Level.WARN) Logger.getLogger("org.eclipse.jetty.server").setLevel(Level.OFF) // 设置运行环境 val conf = new SparkConf().setMaster("local").setAppName("KMeansBeijing") val sc = new SparkContext(conf) // 装载数据集 val data = sc.textFile("file:///home/hadoop/yang/USA/AUG_tag.csv", 1) val parsedData = data.filter(!isColumnNameLine(_)).map(line => Vectors.dense(line.split(‘,‘).map(_.toDouble))).cache() // // 将数据集聚类,7个类,20次迭代,进行模型训练形成数据模型 val numClusters = 4 val numIterations = 800 val model = KMeans.train(parsedData, numClusters, numIterations) // 打印数据模型的中心点 println("Cluster centers:") for (c <- model.clusterCenters) { println(" " + c.toString) } // 使用误差平方之和来评估数据模型 val cost = model.computeCost(parsedData) println("Within Set Sum of Squared Errors = " + cost) // // 使用模型测试单点数据 // println("Vectors 0.2 0.2 0.2 is belongs to clusters:" + model.predict(Vectors.dense("0.2 0.2 0.2".split(‘ ‘).map(_.toDouble)))) // println("Vectors 0.25 0.25 0.25 is belongs to clusters:" + model.predict(Vectors.dense("0.25 0.25 0.25".split(‘ ‘).map(_.toDouble)))) // println("Vectors 8 8 8 is belongs to clusters:" + model.predict(Vectors.dense("8 8 8".split(‘ ‘).map(_.toDouble)))) // 交叉评估1,只返回结果 val testdata = data.filter(!isColumnNameLine(_)).map(s => Vectors.dense(s.split(‘,‘).map(_.toDouble))) val result1 = model.predict(testdata) result1.saveAsTextFile("file:///home/hadoop/yang/USA/AUG/result1") // 交叉评估2,返回数据集和结果 val result2 = data.filter(!isColumnNameLine(_)).map { line => val linevectore = Vectors.dense(line.split(‘,‘).map(_.toDouble)) val prediction = model.predict(linevectore) line + " " + prediction }.saveAsTextFile("file:///home/hadoop/yang/USA/AUG/result2") sc.stop() } private def isColumnNameLine(line: String): Boolean = { if (line != null && line.contains("Electricity")) true else false } }
3 通过WinSCP将jar包上传到hadoop平台本地服务器上
注:直接拖拽即可
4 通过SecureCRT在hadoop平台上执行相关命令
4.1 进入spark文件夹下
4.2 通过spark-submit命令提交任务(jar包)到集群
4.3 通过WinSCP查看结果
注:4.1和4.2可以综合在一条命令中: