2021-06-08

最新推荐文章于 2024-05-10 08:15:00 发布

粉红猪๓

最新推荐文章于 2024-05-10 08:15:00 发布

阅读量242

点赞数

文章标签： python spark 大数据

本文链接：https://blog.csdn.net/JXZKLJKA/article/details/117710594

版权

本博客介绍了如何使用pyspark进行RDD编程，包括计算学生总数、课程数量、特定学生平均分、每人选修课程数、课程选修人数、各门课程平均分以及使用累加器。此外，还讲解了编写独立Spark应用实现数据去重和计算平均成绩的问题，涉及文件合并、去重逻辑以及多文件成绩平均值计算。

摘要由CSDN通过智能技术生成

@[TOC]RDD编程初级实践

RDD编程初级实践

一，实验目的
（1）熟悉spark的RDD基本操作及键值对操作
（2）熟悉使用RDD编程解决实际具体问题的方法

二，实验内容和要求
1．pyspark交互式编程
本作业提供分析数据data.txt，该数据集包含了某大学计算机系的成绩，数据格式如下所示：
Tom,DataBase,80
Tom,Algorithm,50
Tom,DataStructure,60
Jim,DataBase,90
Jim,Algorithm,60
Jim,DataStructure,80
……
请根据给定的实验数据，在pyspark中通过编程来计算以下内容：
（1）该系总共有多少学生；
在这里插入图片描述

（2）该系共开设了多少门课程；
在这里插入图片描述

（3）Tom同学的总成绩平均分是多少；
在这里插入图片描述

（4）求每名同学的选修的课程门数；
在这里插入图片描述

（5）该系DataBase课程共有多少人选修；
在这里插入图片描述

（6）各门课程的平均分是多少；
在这里插入图片描述

（7）使用累加器计算共有多少人选了DataBase这门课。
在这里插入图片描述

2.编写独立应用程序实现数据去重
对于两个输入文件A和B，编写Spark独立应用程序，对两个文件进行合并，并剔除其中重复的内容，得到一个新文件C。本文给出门课的成绩（A.txt、B.txt）下面是输入文件和输出文件的一个样例，供参考。
输入文件A的样例如下：
20200101 x
20200102 y
20200103 x
20200104 y
20200105 z
20200106 z
输入文件B的样例如下：
20200101 y
20200102 y
20200103 x
20200104 z
20200105 y
根据输入的文件A和B合并得到的输出文件C的样例如下：
20200101 x
20200101 y
20200102 y
20200103 x
20200104 y
20200104 z
20200105 y
20200105 z
20200106 z
在这里插入图片描述

3.编写独立应用程序实现求平均值问题
每个输入文件表示班级学生某个学科的成绩，每行内容由两个字段组成，第一个是学生名字，第二个是学生的成绩；编写Spark独立应用程序求出所有学生的平均成绩，并输出到一个新文件中。本文给出门课的成绩（Algorithm.txt、Database.txt、Python.txt），下面是输入文件和输出文件的一个样例，供参考。
Algorithm成绩：
小明 92
小红 87
小新 82
小丽 90
Database成绩：
小明 95
小红 81
小新 89
小丽 85
Python成绩：
小明 82
小红 83
小新 94
小丽 91
平均成绩如下：
(小红,83.67)
(小新,88.33)
(小明,89.67)
(小丽,88.67)
在这里插入图片描述