第1关:集合并行化创建RDD
知识点
1.reduceByKey():对元素为RDD[K,V]
对的RDD
中Key
相同的元素的Value
进行聚合。
2.foreach():对数据集中每一个元素运行函数。
编程要求
计算并输出各个学生的总成绩。
("bj",88)
:bj
指学生姓名,88
指学生成绩
import org.apache.spark.SparkContext
import org.apache.spark.SparkConf
object Student {
def main(args: Array[String]): Unit = {
val conf = new SparkConf().setAppName(this.getClass.getSimpleName).setMaster("local")
val sc = new SparkContext(conf)
val arr1=Array(("bj",88),("sh",67),("gz",92))
val arr2=Array(("bj",94),("sh",85),("gz",95))
val arr3=Array(("bj",72),("sh",69),("gz",98))
/********** begin **********/
//第一步:先将数组进行合并
val arr=arr1++arr2++arr3
//第二步:创建RDD
val arrRDD=sc.makeRDD(arr)
//第三步:把相同key的进行聚合
val result=arrRDD.reduceByKey(_+_)
//第四步:输出
result.foreach(println)
/********** end **********/
sc.stop()
}
}
第2关:读取外部数据集创建RDD
知识点
1.textFile():读取文件
2.map算子:对RDD
中的每个元素都执行一个指定的函数来产生一个新的RDD。
scala> val numbers=sc.makeRDD(List(1,2,3,4))
scala> numbers.map((i: Int) => i * 2)
res0: List[Int] = List(2, 4, 6, 8)
3.sortBy():对RDD中的元素进行排序
val list = List(("spark",2),("hive",1),("hadoop",4))
val stuRDD = sc.makeRDD(list)
stuRDD.sortBy(_._2,false,3)//参数1:函数,排序规则有这个函数决定(必填) 参数2:升降序(true为升序,false为降序) 参数3:分区数量
编程要求
按每位老师出现的次数降序,输出老师姓名和出现次数。
- 输入文件样例:
bigdata,laozhang
bigdata,laoduan
javaee,xiaoxu
bigdata
指科目,laozhang
指老师名称
import org.apache.spark.SparkContext
import org.apache.spark.SparkConf
object Teachers {
def main(args: Array[String]): Unit = {
val conf = new SparkConf().setAppName("Teachers").setMaster("local")
val sc = new SparkContext(conf)
val dataFile = "file:///root/step2_files"
/********** begin **********/
//第一步:以外部文件方式创建RDD
val teaRDD=sc.textFile(dataFile)
//第二步:将文件中每行的数据切分,得到自己想要的返回值
val teacher=teaRDD.map(line => {
val course=line.split(",")(0)
val name=line.split(",")(1)
(name,1)
})
//第三步:将相同的key进行聚合
val tea=teacher.reduceByKey(_+_)
//第四步:按出现次数进行降序
val result=tea.sortBy(_._2,false,3)
//第五步:输出
result.foreach(println)
/********** end **********/
sc.stop()
}
}