Spark单词统计结果排序

本文介绍了如何使用SparkContext API进行单词统计,并对统计结果进行排序。内容包括自定义排序的实现方法,适合在Spark-shell环境中直接执行。
摘要由CSDN通过智能技术生成

统计单词数量

# 启动spark-shell
cd /opt/apache_hadoop/spark-2.2.1
bin/spark-shell

读取数据
val path = "/word/word.txt"

形成rdd
val rdd = sc.textFile(path)

读取每一行字符串数据并分隔成数组
val rdd1 = rdd.flatMap(line => line.split("\t"))

查看
rdd1.collect()
输出:
res1: Array[String] = Array(java, python, hadoop, scala, mysql, hdfs, hdfs, mapreduce, 
yarn, hadoop, hadoop, scala, hive, hive, sqoop, hbase, kafka, hadoop, hbase, hadoop,
hive, flume, redis, redis, java, python, scala, sqoop, spark, spark, scala, zookeeper, 
flume, hadoop, hdfs, hive)

遍历字符串数组,记录每个单词数
val rdd2 = rdd1.map(word => (word,1))

查看
rdd2.collect()
输出:
res2: Array[(String, Int)] = Array((java,1), (python,1), (hadoop,1), (scala,1), 
(mysql,1), (hdfs,1), (hdfs,1), (mapreduce,1), (yarn,1), (hadoop,1), (hadoop,1), 
(scala,1), (hive,1), (hive,1), (sqoop,1), (hbase,1), (kafka,1), (hadoop,1), (hbase,1), 
(hadoop,1), (hive,1), (flume,1), (redis,1), (redis,1), (ja
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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