spark练习题

site1,user1,2016-11-20 02:12:22
site1,user2,2016-11-28 04:12:22
site1,user3,2016-11-20 11:12:22
site1,user3,2016-11-23 11:12:22
site2,user4,2016-11-20 15:12:22
site3,user5,2016-11-29 08:12:22
site3,user6,2016-11-22 08:12:22
site4,user7,2016-11-20 10:12:22
site4,user7,2016-11-24 11:12:22

现在要对最近7天的日志进行统计,统计结果格式如下,key(date(日期),hour(时间),site(网站))
value:(pv (访问次数),uv(独立访问人数,相同的访客id去重))
统计结果需要存至Hbase,使用spark写出伪代码

object tst {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf().setAppName("test").setMaster("local[3]")
    val sc = new SparkContext(conf);
    val curentDay = "2016-11-20"
    val format = "yyyy-MM-dd"
    val sdf = new SimpleDateFormat(format)
    val rdd =  sc.textFile("D:\\test\\spark\\笔试题\\siteuser.txt").map(t=>{
      val fileds = t.split(",")
      val date = fileds(2).split(" ")(0);
      val hour = fileds(2).split(" ")(1).substring(0,2);
      //site1,user1,2016-11-20 02
      (fileds(0),fileds(1),date,hour)
    }).filter(t=>{
      TimeUtils.intervalDays(curentDay,t._3,sdf,sdf) < 7
    }).cache()//如果不cache,在计算uvrdd时会重复计算之前的操作
    val pvrdd = rdd.groupBy(t=>(t._3,t._4,t._1)).map(t=>(t._1,t._2.size))
    println(pvrdd.collect().toBuffer)
    val uvrdd = rdd.groupBy(t=>t).map(t=>((t._1._3,t._1._4,t._1._1),t._2.size)).reduceByKey(_+_);
    print(uvrdd.collect().toBuffer)

    sc.stop()
  }
}

 

转载于:https://www.cnblogs.com/rocky-AGE-24/p/7489120.html

  • 0
    点赞
  • 0
    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