RDD用法与实例(八)reduceByKey 用法,sortbykey,sortby

本文介绍了Spark中RDD的reduceByKey和sortByKey操作。通过水果数据集,展示了如何使用reduceByKey统计字母长度相同的水果出现次数,以及如何使用sortByKey对结果进行排序。还给出了不同数据情况下reduceByKey的词频统计应用和挑出字母数量大于6的单词的实例。
摘要由CSDN通过智能技术生成

一、数据集

fruits.txt

apple
banana
canary melon
grap
lemon
orange
pineapple
strawberry

二、赋值并合并相同key

例1
fruits = sc.textFile('/Users/huangluyu/data/fruits.txt')
numFruitsByLength = fruits.map(lambda fruit: (len(fruit), 1)).reduceByKey(lambda x, y: x + y)
print(numFruitsByLength.take(10))

对字母长度相同的水果进行一次统计。结果:

[(6, 2), (12, 1), (4, 1), (10, 1), (5, 2), (9, 1)]

内部执行顺序:

apple — 5,1
banana — 6,1
canary melon —12,1
grap —4,1
lemon —5,1( 前面有相同key5,往前合并)
orange —6,1( 前面有相同key6,往前合并)

最终显示的顺序,似乎是内部决定。

例2

这里数据集被我改掉了
fruits.txt

apple
apple
apple
banana
canary melon
grap
le

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