1.wordCount
from pyspark import SparkConf, SparkContext
import os
os.environ['PYSPARK_PYTHON'] = r'D:\Tools\Anaconda3\envs\pyspark\python.exe'
if __name__ == '__main__':
conf = SparkConf().setAppName("test").setMaster("local[*]")
sc = SparkContext(conf=conf)
rdd = sc.textFile("../data/words.txt")
rdd2 = rdd.flatMap(lambda x: x.split(" "))
rdd3 = rdd2.map(lambda x : (x,1))
rdd4 = rdd3.reduceByKey(lambda a, b: a+b)
print(rdd4.collect())
运行结果:
2.案例
# coding:utf8
from pyspark import SparkConf, SparkContext
import os
os.environ['PYSPARK_PYTHON'] = r'D:\Tools\Anaconda3\envs\pyspark\python.exe'
import json
if __name__ == '__main__':
conf = SparkConf().setAppName("kaoshi").setMaster("local[*]")
sc = SparkContext(conf=conf)
rdd1 = sc.textFile("../data/input/order.txt")
rdd2 = rdd1.flatMap(lambda x: x.split("|"))# 按|符号分离每一条数据
rdd3 = rdd2.map(lambda x: json.loads(x))# 使用 json 库将数据转为字典类型
rdd4 = rdd3.filter(lambda x: x['areaName'] == '北京') # 过滤出只要北京的数据
rdd5 = rdd4.map(lambda x: x["category"])# 只要北京地区销售的商品类型
rdd6 = rdd5.distinct()# 去重
result = rdd6.collect() # 使用行动算子聚合得到结果
print("北京: ", result)# 打印结果
# 北京: ['平板电脑', '家电', '书籍', '手机', '电脑', '家具', '食品', '服饰
运行结果: