2024年最新高级大数据实验(1)，字节跳动资深面试官亲述

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

object chengfabiao{
    def main(args: Array[String]): Unit = {
    for (i<-1 to 9){
    for (j<-1 to i){
    print(j+““+i+”="+(ij)+”\t")
    }
    println()
    }
    }
    }

[​编辑文章]( )




### 第二次实验

要去掉Spark中的日志输出，有几种不同的方法可以实现：
import org.apache.log4j.{Level, Logger}
​
val rootLogger = Logger.getRootLogger()
rootLogger.setLevel(Level.ERROR)

请根据给定的实验数据，在spark-shell中通过编程来计算以下内容：


#### **学生填写代码以及给出最终结果**


（1） 该系总共有多少学生；


答案为： 人


（2） 该系共开设来多少门课程；


答案为 门


（3） Tom同学的总成绩平均分是多少；


Tom同学的平均分为 分


（4） 求每名同学的选修的课程门数；


答案共 265行


（5） 该系DataBase课程共有多少人选修；


答案为 人

val rdd= sc.textFile(“file:///home/spark/score.txt”)
​
1.
val count = rdd.map(line=>line.split(“,”)(0)).distinct().count
2.
val countCourse = rdd.map(line=>line.split(“,”)(1)).distinct().count
3.
val sum = rdd.filter(line=>line.split(“,”)(0)“Tom”)
​
val avg = sum.map(name=>(name.split(“,”)(0),name.split(“,”)(2).toInt)).mapValues(x=>(x,1)).reduceByKey((x,y)=>(x._1+y._1,x._2+y._2)).mapValues(x=>(x._1/x._2)).collect()
4.
val countC = rdd.map(row=>(row.split(“,”)(0),row.split(“,”)(1))).mapValues(x=>(x,1)).reduceByKey((x,y)=>(" “,x._2+y._2)).mapValues(x =>x._2).foreach(println)
5
val countPeople = rdd.filter(line=>line.split(”,")(1)“DataBase”).count

#### **实验说明**：


现有一份某电商2020年12月份的订单数据文件onlin\_retail.csv，记录了每位顾客每笔订单的购物情况，包含三个数据字段，字段说明如下表所示。现需要统计每位客户的总消费金额，并筛选出消费金额在前50名的客户。



![img](https://img-blog.csdnimg.cn/img_convert/4763c8b7461354147ac5b032dbc6ed4f.png)



**实现思路及步骤：**


（1） 读取数据并创建RDD


（2） 通过map（）方法分割数据，选择客户编号和订单价格字段组成键值对数据


（3） 使用reduceByKey（）方法计算每位客户的总消费金额


（4） 使用sortBy（）方法对每位客户的总消费金额进行降序排序，取出前50条数据

val rdd= sc.textFile(“file:///home/spark/online_retail.txt”)
​
val bianhao = rdd.mapPartitionsWithIndex((index, iter) => {
if (index == 0) {
  iter.drop(1) // 跳过第一行
} else {
  iter
}
}).map(line => {
val fields = line.split(“,”).map(.trim)
if (fields.length > 1 && fields(0).nonEmpty) {
  Some((fields(0), fields(1).toDouble))
} else {
  None
}
}).filter(.isDefined).map(.get)
bianhao.collect().foreach(println)
bianhao.take(10).foreach(println)
​
val totalSpentPerCustomer = bianhao.map{ case (customerId, price) => (customerId, price) }.reduceByKey( + )
totalSpentPerCustomer.collect().foreach(println)
totalSpentPerCustomer.take(10).foreach(println)
​
​
val jiangxu = totalSpentPerCustomer.sortBy(._2, ascending = false)
jiangxu.take(50).foreach(println)

#### **实验说明：**


现有一份各城市的温度数据文件avgTemperature.txt,数据如下表所示，记录了某段时间范围内各城市每天的温度，文件中每一行数据分别表示城市名和温度，现要求用spark编程计算出各城市的平均气温。




![img](https://img-blog.csdnimg.cn/img_convert/babc5d5829aa638facf21861a31954b9.png)


**实现思路及步骤：**


（1） 通过textFile（）方法读取数据创建RDD


（2） 使用map（）方法将数据输入数据按制表符进行分割，并转化成（城市，温度）的形式


（3） 使用groupBy（）方法按城市分组，得到每个城市对应的所欲温度。


（4） 使用mapValues（）和reduce（）方法计算各城市的平均气温

val rdd= sc.textFile(“file:///home/spark/avgTemperature.txt”)
​
val cityTemperatures = rdd.map(line => {
val Array(city, temperature) = line.split(“\t”) // 使用制表符"\t"进行分割
(city, temperature.toDouble) // 生成键值对
})
​
val cityWiseTemperatures = cityTemperatures.groupBy(.1).mapValues(.map(.2))
cityWiseTemperatures.collect().foreach(println)
​
val cityAvgTemperatures = cityTemperatures.groupBy(.1).mapValues(values => {
  val totalTemp = values.map(._2).sum
  val count = values.size
  totalTemp / count
})
​
cityAvgTemperatures.collect().foreach(println)
​
​

### 学习通第二章作业


  
 “双减”政策落地后，为了体现“分数是一时之得，要从一生的长远目标来看”教育，需要通过大数据技术分析部分考试数据来提高学校老师的教学质量。某学校某班级经过期中考试后，该班级中每位同学的各科目考试成绩保存在一份文件primary\_midsemester.txt中，文件共有5个数据字段，分别为学生学号(ID)、性别(gender)、语文成绩(Chinese)英语成绩(English)、数学成绩(Math)，部分数据如表2-8所示。  
 表 2-8 某学校某班级的学生各科目考试成绩部分数据  
 ID性别汉语英语数学301610男80号6478301611女65 87 58301612女性447177301613女66 7191301614女7071 100301615男72 77 72301616女73 81 75301617女69 77 75301618男73 61 65  
 为了分析各科目老师的教学质量，请使用scala(Scala)函数式编程分别统计各科目考试成绩的平均分、最低分和最高分。


  
 val source = sc.textFile("file:///home/hadoop/primary\_midsemester.txt")  
 val headerLine = source.first()  
 val remainingLines = source.filter(\_ != headerLine)   
 val thirdColumn = remainingLines.map(line => {  
   val columns = line.split("\\s+")  
   columns(2).toInt   
 })  
 val thirdColumn1 = remainingLines.map(line => {  
   val columns = line.split("\\s+")  
   columns(3).toInt   
 })  
 val thirdColumn2 = remainingLines.map(line => {  
   val columns = line.split("\\s+")  
   columns(4).toInt   
 })  
 val avg1: Double = thirdColumn.reduce(\_ + \_).toDouble / thirdColumn.count()  
 val avg2: Double = thirdColumn1.reduce(\_ + \_).toDouble / thirdColumn1.count()  
 val avg3: Double = thirdColumn2.reduce(\_ + \_).toDouble / thirdColumn2.count()  
 val columns = headerLine.split(" ") // 使用split方法按空格分隔  
 val name1 = columns(2)  
 val name2 = columns(3)  
 val name3 = columns(4)  
 val maxScore = thirdColumn.aggregate(Int.MinValue)(\_ max \_, \_ max \_)  
 val minScore = thirdColumn.aggregate(Int.MaxValue)(\_ min \_, \_ min \_)


val maxScore1 = thirdColumn1.aggregate(Int.MinValue)(\_ max \_, \_ max \_)  
 val minScore1 = thirdColumn1.aggregate(Int.MaxValue)(\_ min \_, \_ min \_)


val maxScore2 = thirdColumn2.aggregate(Int.MinValue)(\_ max \_, \_ max \_)  


![img](https://img-blog.csdnimg.cn/img_convert/53d33247b4ffc38bd89e4793b2b7e88c.png)
![img](https://img-blog.csdnimg.cn/img_convert/a4e723105595b5e293100494bc296c87.png)
![img](https://img-blog.csdnimg.cn/img_convert/fab658b7452fafbbf6af3b2b8dbfa9cc.png)

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！**

**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**

)]
[外链图片转存中...(img-N563cyY1-1714921744840)]

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！**

**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**