既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
(4) 在函数中判断单词正向与逆向是否一样,若是则输出该单词
(5)调用isPalindrom 函数
import scala.io.Source
object PalindromeFilter {
def main(args: Array[String]): Unit = {
val filePath = "word.txt" // 更改为实际的文本文件路径
// 读取文本文件数据
val words = Source.fromFile(filePath).getLines().flatMap(_.split(" "))
// 过滤回文单词并输出
words.filter(isPalindrome).foreach(println)
}
// 判断单词是否为回文
def isPalindrome(word: String): Boolean = {
word == word.reverse
}
}
3. 使用scala编程输出九九乘法表:
实验目标:
(1) 掌握scala循环的使用
(2) 掌握scala函数式编程
实验说明:
九九乘法表是我国古代人民的智慧结晶,在春秋战国时代就已经在筹算中运算,到明代则改良病用在算盘上。现需要使用scala编程输出九九乘法表,要求输出效果如图所示:
- 使用scala编程输出九九乘法表:
xxxxxxxxxx mkdir -p /u01/app/12.2.0/gridmkdir -p /u01/app/gridmkdir -p /u01/app/oracle/product/12.2.0/dbhome_1chown -R grid:oinstall /u01chown -R oracle:oinstall /u01/app/oraclechmod -R 775 /u01/css
(1) 掌握scala循环的使用
(2) 掌握scala函数式编程
实验说明:
九九乘法表是我国古代人民的智慧结晶,在春秋战国时代就已经在筹算中运算,到明代则改良病用在算盘上。现需要使用scala编程输出九九乘法表。
object chengfabiao{
def main(args: Array[String]): Unit = {
for (i<-1 to 9){
for (j<-1 to i){
print(j+"*"+i+"="+(i*j)+"\t")
}
println()
}
}
}
第二次实验
要去掉Spark中的日志输出,有几种不同的方法可以实现:
import org.apache.log4j.{Level, Logger}
val rootLogger = Logger.getRootLogger()
rootLogger.setLevel(Level.ERROR)
请根据给定的实验数据,在spark-shell中通过编程来计算以下内容:
学生填写代码以及给出最终结果
(1) 该系总共有多少学生;
答案为: 人
(2) 该系共开设来多少门课程;
答案为 门
(3) Tom同学的总成绩平均分是多少;
Tom同学的平均分为 分
(4) 求每名同学的选修的课程门数;
答案共 265行
(5) 该系DataBase课程共有多少人选修;
答案为 人
val rdd= sc.textFile("file:///home/spark/score.txt")
1.
val count = rdd.map(line=>line.split(",")(0)).distinct().count
2.
val countCourse = rdd.map(line=>line.split(",")(1)).distinct().count
3.
val sum = rdd.filter(line=>line.split(",")(0)=="Tom")
val avg = sum.map(name=>(name.split(",")(0),name.split(",")(2).toInt)).mapValues(x=>(x,1)).reduceByKey((x,y)=>(x._1+y._1,x._2+y._2)).mapValues(x=>(x._1/x._2)).collect()
4.
val countC = rdd.map(row=>(row.split(",")(0),row.split(",")(1))).mapValues(x=>(x,1)).reduceByKey((x,y)=>(" ",x._2+y._2)).mapValues(x =>x._2).foreach(println)
5
val countPeople = rdd.filter(line=>line.split(",")(1)=="DataBase").count
实验说明:
现有一份某电商2020年12月份的订单数据文件onlin_retail.csv,记录了每位顾客每笔订单的购物情况,包含三个数据字段,字段说明如下表所示。现需要统计每位客户的总消费金额,并筛选出消费金额在前50名的客户。
实现思路及步骤:
(1) 读取数据并创建RDD
(2) 通过map()方法分割数据,选择客户编号和订单价格字段组成键值对数据
(3) 使用reduceByKey()方法计算每位客户的总消费金额
(4) 使用sortBy()方法对每位客户的总消费金额进行降序排序,取出前50条数据
val rdd= sc.textFile("file:///home/spark/online_retail.txt")
val bianhao = rdd.mapPartitionsWithIndex((index, iter) => {
if (index == 0) {
iter.drop(1) // 跳过第一行
} else {
iter
}
}).map(line => {
val fields = line.split(",").map(_.trim)
if (fields.length > 1 && fields(0).nonEmpty) {
Some((fields(0), fields(1).toDouble))
} else {
None
}
}).filter(_.isDefined).map(_.get)
bianhao.collect().foreach(println)
bianhao.take(10).foreach(println)
val totalSpentPerCustomer = bianhao.map{ case (customerId, price) => (customerId, price) }.reduceByKey(_ + _)
totalSpentPerCustomer.collect().foreach(println)
totalSpentPerCustomer.take(10).foreach(println)
val jiangxu = totalSpentPerCustomer.sortBy(_._2, ascending = false)
jiangxu.take(50).foreach(println)
实验说明:
现有一份各城市的温度数据文件avgTemperature.txt,数据如下表所示,记录了某段时间范围内各城市每天的温度,文件中每一行数据分别表示城市名和温度,现要求用spark编程计算出各城市的平均气温。
实现思路及步骤:
(1) 通过textFile()方法读取数据创建RDD
(2) 使用map()方法将数据输入数据按制表符进行分割,并转化成(城市,温度)的形式
(3) 使用groupBy()方法按城市分组,得到每个城市对应的所欲温度。
(4) 使用mapValues()和reduce()方法计算各城市的平均气温
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。**
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!