Spark RDD案例:统计每日新增用户

该博客介绍了如何使用Scala和Spark来统计用户访问历史数据中每日新增的用户数量。首先,创建了一个Maven项目,并添加了Scala和Spark的相关依赖。接着,创建了日志属性文件和一个名为`StatisticsUsers`的单例对象,用于处理数据。通过读取HDFS上的用户数据,对数据进行处理,最后得到了每日新增用户数量并打印结果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >


一、提出任务

  • 已知有以下用户访问历史数据,第一列为用户访问网站的日期,第二列为用户名:
2022-01-01,mike
2022-01-01,alice
2022-01-01,brown
2022-01-02,mike
2022-01-02,alice
2022-01-02,green
2022-01-03,alice
2022-01-03,smith
2022-01-03,brian

  • 现需要根据上述数据统计每日新增的用户数量,期望统计结果
2022-01-01,3
2022-01-02,1
2022-01-03,2
  • 即2022-01-01新增了3个用户(分别为mike、alice、brown),2022-01-02新增了1个用户(green),2022-01-03新增了两个用户(分别为smith、brian)。
  • 预备工作:启动集群的HDFS与Spark
    在这里插入图片描述
  • 在虚拟机创建user.txt文件
    在这里插入图片描述
  • 将user.txt上传到HDFS/input目录下
    在这里插入图片描述
    在这里插入图片描述

二、完成任务

(一)新建Maven项目

  • 设置项目类型
    在这里插入图片描述
  • scala 目录(用的以前的gif不会影响)
    在这里插入图片描述

(二)添加相关依赖和构建插件

  • 在pom.xml 添加依赖
<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>net.cch.sql</groupId>
    <artifactId>SparkSQL</artifactId>
    <version>1.0-SNAPSHOT</version>

    <properties>
        <maven.compiler.source>8</maven.compiler.source>
        <maven.compiler.target>8</maven.compiler.target>
    </properties>

    <dependencies>
        <dependency>
            <groupId>org.scala-lang</groupId>
            <artifactId>scala-library</artifactId>
            <version>2.11.12</version>
        </dependency>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_2.11</artifactId>
            <version>2.1.1</version>
        </dependency>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-sql_2.11</artifactId>
            <version>2.1.1</version>
        </dependency>
    </dependencies>
    <build>
        <sourceDirectory>src/main/scala</sourceDirectory>
        <plugins>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-assembly-plugin</artifactId>
                <version>3.3.0</version>
                <configuration>
                    <descriptorRefs>
                        <descriptorRef>jar-with-dependencies</descriptorRef>
                    </descriptorRefs>
                </configuration>
                <executions>
                    <execution>
                        <id>make-assembly</id>
                        <phase>package</phase>
                        <goals>
                            <goal>single</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
            <plugin>
                <groupId>net.alchim31.maven</groupId>
                <artifactId>scala-maven-plugin</artifactId>
                <version>3.3.2</version>
                <executions>
                    <execution>
                        <id>scala-compile-first</id>
                        <phase>process-resources</phase>
                        <goals>
                            <goal>add-source</goal>
                            <goal>compile</goal>
                        </goals>
                    </execution>
                    <execution>
                        <id>scala-test-compile</id>
                        <phase>process-test-resources</phase>
                        <goals>
                            <goal>testCompile</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>
</project>

在这里插入图片描述

(三)创建日志属性文件

  • 添加log4j.properties日志文件
    在这里插入图片描述
log4j.rootLogger=ERROR, stdout, logfile
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/spark.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

(四)创建统计每日新增用户单例对象

  • net.cch.rdd包里创建StatisticsUsers单例对象
    在这里插入图片描述
package net.hty.rdd

import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}


object StatisticsUsers {
  def main(args: Array[String]): Unit = {
    // 创建Spark conf容器
    val spark: SparkConf = new SparkConf()
      .setAppName("CalculusAverageByRDD")
      .setMaster("local[*]")
    val sc: SparkContext = new SparkContext(spark)
    val lines = sc.textFile("hdfs://master:9000/input/user.txt")
    //lines.collect.foreach(println)
    //互换RDD中的元素顺序
    val value = lines.map(
      line =>{
        val fields = line.split(",")
        val name = fields(1)
        val time = fields(0)
        (name,time)
      }
    )
    // 对姓名分组
    val nameGB = value.groupByKey().map(
      line => {
        val time = line._2.min
        val name = line._1
        (time,name)
      }
    )
    // 按键计数,得到每日新增数
    val CB = nameGB.countByKey()
    CB.keys.foreach(key => println(key + "," + CB(key)))


    // 关闭容器
    sc.stop()
  }
}

(五)本地运行程序,查看结果

  • 结果如下
    在这里插入图片描述
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值