spark的WordCount词频统计

package cn.kgc.wordcount

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

object WordCount {
  def main(args: Array[String]): Unit = {
    //创建WordCount运行配置对象
    val sparkConf = new SparkConf().setMaster("local[*]").setAppName("WordCount")

    //创建Spark上下文环境对象(连接对象)
    val sc  = new SparkContext(sparkConf)

    //读取文件中的数据进行分词
    val fileRDD: RDD[String] = sc.textFile("input/word.txt")

    //将文件中的数据进行分词
    val wordRDD: RDD[String] = fileRDD.flatMap(_.split(" "))

    //转换数据结构 word => (word,1)
    val word2OneRDD: RDD[(String, Int)] = wordRDD.map((_, 1))

    //将转换结构后的数据按照相同的单词进行分组聚合
    val word2CountRDD: RDD[(String, Int)] = word2OneRDD.reduceByKey(_ + _)

    // 将数据聚合结果采集到内存中
    val word2Count: Array[(String, Int)] = word2CountRDD.collect()

    // 打印结果
    word2Count.foreach(println)

    //关闭Spark连接
    sc.stop()

  }
}

 

package cn.kgc.wordcount

/**
 *对统计出的每个单词的词频Count,按照降序排序,获取词频次数最多Top3单词
 */

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

object WordCount3 {
  def main(args: Array[String]): Unit = {
    val conf: SparkConf = new SparkConf().setMaster("local[*]").setAppName("wordCount3")

    val sc = new SparkContext(conf)

    //读取文件
    val words: RDD[String] = sc.textFile("input/word.txt")

    println("方法一:")
    val rst1: Unit = words.flatMap(line => line.split("\\s+"))
      .map(word => (word, 1))
      .reduceByKey((tmp, item) => tmp + item)     //所有的单词都被统计成二元组,此时单词已被统计


      /*    方式一:按照Key排序sortByKey函数, TODO: 建议使用sortByKey函数 
            def sortByKey(
                ascending: Boolean = true,
                numPartitions: Int = self.partitions.length
            ): RDD[(K, V)]
            wordCountsRDD*/
      .map(tuple => tuple.swap) //.map(tuple => (tuple._2, tuple._1))
      .sortByKey(ascending = false)
      .take(3)
      .foreach(println)

/*    // 方式二:sortBy函数, 底层调用sortByKey函数
            /*
              def sortBy[K](
                  f: (T) => K, // T 表示RDD集合中数据类型,此处为二元组
                  ascending: Boolean = true,
                  numPartitions: Int = this.partitions.length
              )
              (implicit ord: Ordering[K], ctag: ClassTag[K]): RDD[T]
         */*/
    println("方法二:")
    val rst2: Unit = words.flatMap(line => line.split("\\s+"))
      .map(word => (word, 1))
      .reduceByKey((tmp, item) => tmp + item)
        .sortBy(tuple => tuple._2,ascending = false)
        .take(3)
        .foreach(println)

    println("方法三:top函数,含义获取最大值,传递排序规则, TODO:慎用")
    val rst3: Unit = words.flatMap(line => line.split("\\s+"))
      .map(word => (word, 1))
      .reduceByKey((tmp, item) => tmp + item)
        .top(3)(Ordering.by(tuple => tuple._2))
        .foreach(println)


    sc.stop()
  }
}

 

  • 1
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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