Spark 统计单词个数(WordCount)

demo需求:统计每个单词出现的个数。 

统计文件   Spark.txt

hello word
hello spark
hello hadoop

思路:

  1. textFile:读取文件
  2. flatMap:将每行单词按空格分开
  3. mapToPair:把每个单词后面加上一个数量组成
  4. reduceByKey:将相同的单词后面数量相加
  5. foreach:打印

 

import java.util.Arrays;
import java.util.Iterator;
import java.util.List;

import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.api.java.function.FlatMapFunction;
import org.apache.spark.api.java.function.Function2;
import org.apache.spark.api.java.function.PairFunction;
import org.apache.spark.api.java.function.VoidFunction;

import scala.Tuple2;

public class SparkTest {
    
    public static void main(String[] args) {
        
        // 1.创建SparkConf对象,设置Spark应用配置信息
        // 使用setMaster()可以设置Spark应用程序要链接的Spark集群的master节点的url
        // local 本地运行
        SparkConf conf = new SparkConf().setAppName("SparkTest").setMaster("local");
        
        // 2.创建JavaSparkContext对象
        JavaSparkContext sc = new JavaSparkContext(conf);
        
        // 3.根据输入源,创建一个初始的RDD
        JavaRDD<String> lines = sc.textFile("C:\\********\\Spark.txt");
        // 4.对初始RDD进行transformation操作,计算操作
        

        // 普通方式
        // 将每行单词拆分为单个单词
        JavaRDD<String> words = lines.flatMap(new FlatMapFunction<String, String>() {
            
            private static final long serialVersionUID = 7703955252555938424L;
            
            @Override
            public Iterator<String> call(String line) throws Exception {
                List<String> asList = Arrays.asList(line.split(" "));
                return (Iterator<String>) asList.iterator();
            }
        });
        
        // 将每个单词转换为 单词 + 个数 格式
        JavaPairRDD<String, Integer> pair = words.mapToPair(new PairFunction<String, String, Integer>() {
            
            private static final long serialVersionUID = 1L;
            
            @Override
            public Tuple2<String, Integer> call(String word) throws Exception {
                
                return new Tuple2<String, Integer>(word, 1);
            }
        });
        
        // 将相同的单词个数相加
        JavaPairRDD<String, Integer> reduceByKey = pair.reduceByKey(new Function2<Integer, Integer, Integer>() {
            
            private static final long serialVersionUID = 1L;
            
            @Override
            public Integer call(Integer v1, Integer v2) throws Exception {
                return v1 + v2;
            }
        });
        
        // 打印  action操作
        reduceByKey.foreach(new VoidFunction<Tuple2<String, Integer>>() {
            
            private static final long serialVersionUID = 1L;
            
            @Override
            public void call(Tuple2<String, Integer> t) throws Exception {
                System.out.println(t._1 + "     " + t._2);
            }
        });
        
        /**
         * lambda 写法
         */
        JavaPairRDD<String, Integer> counts = lines
                .flatMap(line -> Arrays.asList(line.split(" ")).iterator())
                .mapToPair(w -> new Tuple2<String, Integer>(w, 1))
                .reduceByKey((x, y) -> x + y);
        
        counts.foreach(t -> System.out.println("lambda: " + t._1 + "     " + t._2));
        
        sc.close();
        
    }
    
}

运行结果:

spark版本:2.3.2

结语:初次见面,不足之处,请多指教

  • 3
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
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
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