环境:CentOS 6.4， hadoop-2.0.0-cdh4.2.0， JDK 1.6， spark-0.8.0-incubating-bin-cdh4.tar.gz，Scala 2.9.3
　　1. 安装、部署集群环境
　　参考前章《安装Spark 0.8集群(CentOS6.4) - 大数据之内存计算》
　　2. 测试描述
　　使用在线测试数据生工具，动态生成如下json数据(名称DATA[1-9].json)：
　　{"id":10，"first_name":"Ralph"，"last_name":"Kennedy"，"country":"Colombia"，"ip_address":"12.211.41.162"，"email":"rkennedy@oyonder.net"}，
　　{"id":11，"first_name":"Gary"，"last_name":"Cole"，"country":"Nepal"，"ip_address":"242.67.150.18"，"email":"gcole@browsebug.info"}，
　　…
　　可以数据可以先生成100M左右，然后通过linux cp / cat工具进行数据复制、合并，产生不同大小数据，方便测试。
　　测试任务：
　　对所有*.json数据的ip地址进行简单统计，包括：ip地址总数统计，“241.*”ip地址段总数统计。将其上传到HDFS集群上
　　2.1启动 Spark 集群
　　在master上执行
$>cd ~/spark-0.8.0
$>bin/start-all.sh
　　检测进程是否启动
$> jps
11055 Jps
2313 SecondaryNameNode
2409 JobTracker
2152 NameNode
4822 Master
　　浏览master的web UI(默认http://localhost:8080). 这是你应该可以看到所有的word节点，以及他们的CPU个数和内存等信息。
　　2.2运行spark-shell从HDFS读取文件并统计IP地址
// set the master node of spark cluster and runspark-shell
$> MASTER=spark://centos01:7077./spark-shell
// read the json data
$>val file = sc.textFile("hdfs://sdc/user/hadoop/In/DATA*.json")
// filter the json data
$>val ips = file.filter(line => line.contains("ip_address"))
// Count all the IP
$>ips.count()
// Count all the“241.*”IP
$>ips.filter(line => line.contains("241.")).count()
$>ips.filter(line => line.contains("241.")).collect()
　　2.3 运行结果