![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
spark
BigCabbageFy
这个作者很懒,什么都没留下…
展开
-
IDEA下使用Maven搭建spark开发环境WordCount示例
一、创建Maven项目二、添加相关依赖(配置pom.xml文件)<?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" ...原创 2018-12-03 18:07:07 · 713 阅读 · 0 评论 -
Spark中map和flatMap的区别详解
https://www.iwwenbo.com/spark-map-flatmap/ 讲解很透彻,留作笔记转载 2019-01-04 15:20:07 · 722 阅读 · 0 评论 -
spark编程实战(一) —— Top K
最近正在看《Spark大数据处理:技术、应用与性能优化》这本书,然后对于最后一章的编程实战比较感兴趣。但是上面写的算法个人觉得还不是很简洁,无法体现出scala的优点,所以稍作了一些修改,仅供参考。设计思路首先统计WordCount的词频,将数据转化为(词,词频)的数据对,第二个阶段采用分治的思想,求出RDD每个分区的Top K,最后将每个分区的Top K结果合并以产生新的集合,在集合中统...原创 2019-01-07 21:00:19 · 766 阅读 · 0 评论 -
spark编程实战(二) —— 中位数
最近正在看《Spark大数据处理:技术、应用与性能优化》这本书,然后对于最后一章的编程实战比较感兴趣。但是上面写的算法个人觉得还不是很简洁,无法体现出scala的优点,所以稍作了一些修改,仅供参考。设计思路海量数据求中位数有很多解决方案。 假设海量数据已经预先排序本例的解决方案为:将整个数据空间划分为K个桶。 第一轮,在mapPartition阶段先将每个分区内的数据划分为K个桶,统计桶中...原创 2019-01-07 21:35:10 · 2194 阅读 · 0 评论 -
spark编程实战(三) —— CountOnce
最近正在看《Spark大数据处理:技术、应用与性能优化》这本书,然后对于最后一章的编程实战比较感兴趣。但是上面写的算法个人觉得还不是很简洁,无法体现出scala的优点,所以稍作了一些修改,仅供参考。假设HDFS只存储一个标号为ID的Block,每份数据保存2个备份,这样就有2个机器存储了相同的数据。 其中ID是小于10亿的整数。若有一个数据块丢失,则需要找到哪个是丢失的数据块。在某个时间...原创 2019-01-08 20:23:14 · 326 阅读 · 0 评论 -
spark编程实战(四) —— 词频统计(WordCount)和 Top K
最近正在看《Spark大数据处理:技术、应用与性能优化》这本书,然后对于最后一章的编程实战比较感兴趣。但是上面写的算法个人觉得还不是很简洁,无法体现出scala的优点,所以稍作了一些修改,仅供参考。Top K算法有两步,一是统计词频,二是找出词频最高的前K个词。1.实例描述假设取Top 1,则有如下输入和输出。输入:Hello World Bye WorldHello Hadoop B...原创 2019-01-08 20:23:49 · 2423 阅读 · 0 评论