1. 在cmd中输入spark-shell进入Spark交互模式（前提是已经设置好了Spark环境变量以及path）
   

“Spark’s primary abstraction is a distributed collection of items called a Dataset”
Spark的主要抽象是Dataset的分布式item集合

2. 读取本地文件内容，返回一个Spark会话对象，文件中每一行作为一个item

val textFile =spark.read.textFile(文件地址）

3. 调用一些简单的函数对文章内容做一些操作

textFile.count()//计算item个数，也就是文件行数

textFile.first()//返回第一个item内容，也就是第一行的内容

4.一些稍微复杂的操作

1. 计算每一行的词个数，并且返回词数最大的行所包含的词的数量

textFile.map(line=>line.split(" ").size).reduce((a,b)=>if(a>b)a else b)

2. 计算文章中每个单词出现的数量

val wordCounts=textFile.flatMap(line=>line.split(" ")).groupByKey(identit).count()
wordCounts.collect()

3. 使用过滤器得到包含了Spark的行

val linesWithSpark=textFile.filter(line=>line.contains("Spark")

4. 将结果保存在缓存中（Spark区别于Mapreduce的重点，Mapreduce将中间结果转化为文件存储在HDFS中），虽然此时数据比较小，存取比较快，但当数据量很大的时候，性能相比于传统的磁盘存储会提升不少。

linesWithSpark.cache()