spark core 案例:分组并在组内取topN

输入数据:

aa 78
bb 98
aa 80
cc 98
aa 69
cc 87
bb 97
cc 86
aa 97
bb 78
bb 34
cc 85
bb 92
cc 72
bb 32
bb 23

期望输出:

(aa,List(78, 80, 97))
(bb,List(92, 97, 98))
(cc,List(86, 87, 98))

(aa,ArrayBuffer(78, 80, 97))
(bb,ArrayBuffer(92, 97, 98))
(cc,ArrayBuffer(86, 87, 98))

scala代码:

object GroupSortedTopN {
  def main(args: Array[String]): Unit = {
    val k = 3
    val conf = new SparkConf().setMaster("local").setAppName("GroupSortedTopnz")
    val sc = new SparkContext(conf)
    val initRdd: RDD[(String, Int)] = sc.textFile("groupbykey.txt")
      .map(_.split(" "))
      .filter(_.length == 2)
      .map(arr => (arr(0), arr(1).toInt))
    initRdd.cache()

    val resultRdd: RDD[(String, List[Int])] = initRdd.groupByKey()
      .map {
        case (item1, iter) => {
          val topKitem2 =iter
            .toList
            .sorted
            .takeRight(k)
//            .map((item1, _))
          (item1, topKitem2)
        }
      }

    val resultRdd2: RDD[(String, ArrayBuffer[Int])] = initRdd.aggregateByKey(ArrayBuffer[Int]())(
      (u, v) => {
        u += v
        u.sorted.takeRight(k)
      },
      (u1, u2) => {
        u1 ++= u2
        u1.sorted.takeRight(k)
      }
    )

    initRdd.unpersist()

    resultRdd.cache()
    resultRdd.foreachPartition(_.foreach(println))
    resultRdd.saveAsTextFile("groupByKeyResult")

    resultRdd2.cache()
    resultRdd2.foreachPartition(_.foreach(println))
    resultRdd2.saveAsTextFile("groupByKeyResult2")

    resultRdd.unpersist()
  }
}

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

打赏作者

fanghailiang2016

扔个包子砸我一下吧~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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