RDD的创建 -Scala

---

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()
  }
}

---