第1关:集合并行化创建RDD
任务描述
本关任务:计算并输出各个学生的总成绩。
相关知识
为了完成本关任务,你需要掌握:1.集合并行化创建RDD,2.reduceByKey算子、foreach算子
集合创建RDD
Spark会将集合中的数据拷贝到集群上去,形成一个分布式的数据集合,也就是一个RDD。相当于是,集合中的部分数据会到一个节点上,而另一部分数据会到其他节点上。然后就可以用并行的方式来操作这个分布式数据集合,即RDD。
val list=List(1,2,3,4,5)
val stu=sc.parallelize(list,3)//参数1:Seq集合,必须。参数2:分区数,默认为该Application分配到的资源的CPU核数
//val stu=sc.makeRDD(list,3) //和parallelize用法一样。(该用法可以指定每一个分区的preferredLocations)。
val sum=stu.reduce(+)
println(sum)
输出:15
reduceByKey()
对元素为RDD[K,V]对的RDD中Key相同的元素的Value进行聚合
val list = List((“spark”,2),(“hive”,1),(“hive”,2))
val stuRDD = sc.makeRDD(list)
stuRDD.reduceByKey(+)
输出:
(spark,2)
(hive,3)
foreach() :对数据集中每一个元素运行函数
val list = List(1,2,3,4)
val stuRDD = sc.makeRDD(list)
stuRDD.foreach(print)//对这个RDD进行遍历输出
输出:1234
编程要求
根据提示,在右侧编辑器begin-end处补充代码,计算并输出各个学生的总成绩。
(“bj”,88): bj指学生姓名,88指学生成绩。
测试说明
平台会对你编写的代码进行测试:
预期输出:
(bj,254)
(sh,221)
(gz,285)
开始你的任务吧,祝你成功!
代码如下:
import org.apache.spark.SparkContext
import org.apache.spark.SparkConf
object Student {
def main(args: Array[String]): Unit = {
val conf = new SparkConf().setAppName(this.getClass.getSimpleName).setMaster("local")
val sc = new SparkContext(conf)
val arr1=Array(("bj",88),("sh",67),("gz",92))
val arr2=Array(("bj",94),("sh",85),("gz",95))
val arr3=Array(("bj",72),("sh",69),("gz",98))
/********** begin **********/
//第一步:先将数组进行合并
val arr = arr1++arr2++arr3
//第二步:创建RDD
val stu = sc.makeRDD(arr)
//第三步:把相同key的进行聚合
val re = stu.reduceByKey(_+_)
//第四步:输出
re.foreach(println)
/********** end **********/
sc.stop()
}
}
第2关:读取外部数据集创建RDD
任务描述
本关任务:读取文本文件,按照文本中数据,输出老师及其出现次数。
相关知识
为了完成本关任务,你需要掌握:1.读取文件创建RDD,2.本关所需算子。
读取文件
textFile()
val rdd = sc.textFile(“/home/student.txt”)//文件路径
算子
(1)map:对RDD中的每个元素都执行一个指定的函数来产生一个新的RDD。
scala> val numbers=sc.makeRDD(List(1,2,3,4))
scala> numbers.map((i: Int) => i * 2)
res0: List[Int] = List(2, 4, 6, 8)
(2) reduceByKey() :对元素为RDD[K,V]对的RDD中Key相同的元素的Value进行聚合。
val list = List((“spark”,2),(“hive”,1),(“hive”,2))
val stuRDD = sc.makeRDD(list)
stuRDD.reduceByKey(+).foreach(println)
输出:
(spark,2)
(hive,3)
(3)sortBy() :对RDD中的元素进行排序。
val list = List((“spark”,2),(“hive”,1),(“hadoop”,4))
val stuRDD = sc.makeRDD(list)
stuRDD.sortBy(_._2,false,3)//参数1:函数,排序规则有这个函数决定(必填) 参数2:升降序(true为升序,false为降序) 参数3:分区数量
编程要求
根据提示,在右侧编辑器begin-end处补充代码,按每位老师出现的次数降序,输出老师姓名和出现次数。
输入文件样例:
bigdata,laozhang
bigdata,laoduan
javaee,xiaoxu
bigdata指科目,laozhang指老师名称。
测试说明
平台会对你编写的代码进行测试:
预期输出:
(laozhao,15)
(laoyang,9)
(laoduan,5)
(xiaoxu,4)
(laoli,3)
(laozhang,2)
(laoliu,1)
开始你的任务吧,祝你成功!
代码如下:
import org.apache.spark.SparkContext
import org.apache.spark.SparkConf
object Teachers {
def main(args: Array[String]): Unit = {
val conf = new SparkConf().setAppName("Teachers").setMaster("local")
val sc = new SparkContext(conf)
val dataFile = "file:///root/step2_files"
/********** begin **********/
//第一步:以外部文件方式创建RDD
val teaRDD = sc.textFile(dataFile)
//第二步:将文件中每行的数据切分,得到自己想要的返回值
val te =teaRDD.map(line=>{val c =line.split(",")(0)
val n = line.split(",")(1)
(n,1)})
//第三步:将相同的key进行聚合
val tea = te.reduceByKey(_+_)
//第四步:按出现次数进行降序
val re=tea.sortBy(_._2,false,3)
//第五步:输出
re.foreach(println)
/********** end **********/
sc.stop()
}
}