版权声明：本文为博主原创文章，未经博主允许不得转载!!
欢迎访问:https://blog.csdn.net/qq_21439395/article/details/80200790
交流QQ: 824203453
需求：
对于有复杂排序条件的需求，可以利用自定义排序来实现，同时可以使用多种方案实现自定义排序需求。
对指定的数据（字段分别为：名称 年龄 颜值，数据以空格分割），按照指定的要求排序，排序要求为：根据颜值降序，如果颜值相同，再按照年龄升序排序。
示例数据："pp 30 85", "dd 18 100", "taoge 35 100", "laozhao 30 120", "huge 26 9999"
1.2 方案一：利用类或者样例类来封装数据
把数据封装成类或者case class，然后类继承Ordered[类型] ，然后可以自定义排序规则。
如果是class，需要实现序列化特质，Serializable,如果是case class，可以不实现该序列化特质。这种处理方式，返回值类型是类的实例对象。普通类：objectSortDemo1 {
def main(args: Array[String]): Unit = {
val conf = new SparkConf()
.setMaster("local")
.setAppName(this.getClass.getSimpleName)
val sc = new SparkContext(conf)
val data: RDD[String] = sc.parallelize(List("wx 28 85 wx.zfb.com", "pp 30 85", "dd 18 100", "taoge 35 100", "laozhao 30 120", "huge 26 9999"))
// 获得的数据类型是Person
val prdd: RDD[Person] = data.map(t => {
val strings = t.split(" ")
val name = strings(0)
val age = strings(1).toInt
val fv = strings(2).toInt
new Person(name, age, fv)
})
// sortBy
val sortedrd:RDD[Person] = prdd.sortBy(t => t)
sortedrd.foreach(println)
}
}
class Person(val name: String, val age: Int, val fv: Int) extends Serializable withOrdered[Person] {
override def compare(that: Person): Int = {
// 根据颜值降序 如果颜值相同 再按照年龄的升序
if (this.fv == that.fv) {
this.age - that.age
} else {
that.fv - this.fv
}
}
override def toString: String = s"$name,$age,$fv"
}
样例类：
objectSortDemo1 {
def main(args: Array[String]): Unit = {
val conf = new SparkConf()
.setMaster("local")
.setAppName(this.getClass.getSimpleName)
val sc = new SparkContext(conf)
val data: RDD[String] = sc.parallelize(List("wx 28 85 wx.zfb.com", "pp 30 85", "dd 18 100", "taoge 35 100", "laozhao 30 120", "huge 26 9999"))
// 获得的数据类型是Person
val prdd: RDD[Person] = data.map(t => {
val strings = t.split(" ")
val name = strings(0)
val age = strings(1).toInt
val fv = strings(2).toInt
Person(name, age, fv)
})
// sortBy
val sortedrd:RDD[Person] = prdd.sortBy(t => t)
sortedrd.foreach(println)
}
}
case class Person(val name: String, val age: Int, val fv: Int) extends Ordered[Person] {
override def compare(that: Person): Int = {
// 根据颜值降序 如果颜值相同 再按照年龄的升序
if (this.fv == that.fv) {
this.age - that.age
} else {
that.fv - this.fv
}
}
override def toString: String = s"$name,$age,$fv"
}
1.3 方案二：利用class或者case class指定排序规则
对原始数据不进行封装，仅仅在排序的时候，利用class或者case class指定排序的规则。如果使用类，需要继承Ordered[类型]，实现序列化特质，如果使用case class，不需实现序列化特质。返回值的结果类型：还是原来的数据类型。和类本身无关。仅仅是利用类的规则来实现了排序。objectSortDemo2 {
def main(args: Array[String]): Unit = {
val conf = new SparkConf()
.setMaster("local")
.setAppName(this.getClass.getSimpleName)
val sc = new SparkContext(conf)
val data: RDD[String] = sc.parallelize(List("wx 28 85 ", "pp 30 85", "dd 18 100", "taoge 35 100", "laozhao 30 120", "huge 26 9999"))
// 获得的数据类型是 元组
val prdd = data.map(t => {
val strings = t.split(" ")
val name = strings(0)
val age = strings(1).toInt
val fv = strings(2).toInt
(name, age, fv)
})
// sortBy 在排序的时候 指定使用类的规则 利用已经存在的来来指定排序规则
// val sortedrd: RDD[(String, Int, Int)] = prdd.sortBy(t => new Person2(t._1,t._2,t._3))
val sortedrd: RDD[(String, Int, Int)] = prdd.sortBy(t => Person2(t._1,t._2,t._3))
sortedrd.foreach(println)
}
}
/*
class Person2(val name: String, val age: Int, val fv: Int) extends Serializable with Ordered[Person2] {
override def compare(that: Person2): Int = {
// 根据颜值降序 如果颜值相同 再按照年龄的升序
if (this.fv == that.fv) {
this.age - that.age
} else {
that.fv - this.fv
}
}
override def toString: String = s"$name,$age,$fv"
}
*/
case class Person2(val name: String, val age: Int, val fv: Int) extends Ordered[Person2] {
override def compare(that: Person2): Int = {
// 根据颜值降序 如果颜值相同 再按照年龄的升序
if (this.fv == that.fv) {
this.age - that.age
} else {
that.fv - this.fv
}
}
override def toString: String = s"$name,$age,$fv"
}
1.4 方案三：利用隐式转换
利用隐式转换时，类可以不实现Ordered的特质，普通的类或者普通的样例类即可。隐式转换支持，隐式方法，隐式函数，隐式的object和隐式的变量，如果都同时存在，优先使用隐式的object，隐式方法和隐式函数中，会优先使用隐式函数。隐式转换可以写在任意地方（当前对象中，外部的类中，外部的对象中），如果写在外部，需要导入到当前的对象中即可。objectSortDemo3 {
def main(args: Array[String]): Unit = {
val conf = new SparkConf()
.setMaster("local")
.setAppName(this.getClass.getSimpleName)
val sc = new SparkContext(conf)
val data: RDD[String] = sc.parallelize(List("wx 28 85 ", "pp 30 85", "dd 18 100", "taoge 35 100", "laozhao 30 120", "huge 26 9999"))
// 获得的数据类型是 元组
val prdd = data.map(t => {
val strings = t.split(" ")
val name = strings(0)
val age = strings(1).toInt
val fv = strings(2).toInt
(name, age, fv)
})
// 如果类没有继承 Ordered 特质
// 可以利用隐式转换 隐式方法 隐式函数 隐式值 隐式object都可以 implicit ord: Ordering[K]
implicit def ordMethod(p: Person3): Ordered[Person3] = new Ordered[Person3] {
override def compare(that: Person3): Int = {
if (p.fv == that.fv) {
-(p.age - that.age)
} else {
that.fv - p.fv
}
}
}
implicit val ordFunc = (p: Person3) => new Ordered[Person3] {
override def compare(that: Person3): Int = {
if (p.fv == that.fv) {
-(p.age - that.age)
} else {
that.fv - p.fv
}
}
}
// 隐式的Object 优先级更高
implicit object ord extends Ordering[Person3] {
override def compare(x: Person3, y: Person3): Int = {
if (x.fv == y.fv) {
x.age - y.age
} else {
y.fv - x.fv
}
}
}
// 隐式的变量
/* implicit val ord2: Ordering[Person3] = new Ordering[Person3] {
override def compare(x: Person3, y: Person3): Int = {
// 颜值相同 降序
if (x.fv == y.fv) {
- (x.age - y.age)
} else {
y.fv - x.fv
}
}
}*/
// 如果把隐式转换写在其他的object中，就使用import a._ 如果是写在其他的类中，val obj = new 类（） import obj._
val sortedrd: RDD[(String, Int, Int)] = prdd.sortBy(t => new Person3(t._1, t._2, t._3))
sortedrd.foreach(println)
}
}
class Person3(val name: String, val age: Int, val fv: Int) extends Serializable {
override def toString: String = s"$name,$age,$fv"
}
在隐式转换中，Ordered和Ordering都是可以相互转换的。
1.5 方案四：利用Ordering的on方法
无需借助任何的类或者对象
只需要利用Ordering特质的on方法即可。
object SortDemo4 {
def main(args: Array[String]): Unit = {
val conf = new SparkConf()
.setMaster("local")
.setAppName(this.getClass.getSimpleName)
val sc = new SparkContext(conf)
val data: RDD[String] = sc.parallelize(List("wx 28 85", "pp 30 85", "dd 18 100", "taoge 35 100", "laozhao 30 120", "huge 26 9999"))
// 获得的数据类型是 元组
val prdd = data.map(t => {
val strings = t.split(" ")
val name = strings(0)
val age = strings(1).toInt
val fv = strings(2).toInt
(name, age, fv)
})
/** t=>(-t._3,t._2) 具体的排序的规则
* Ordering[T].on[U](f)
* U (String,Int,Int) 原始的数据类型
* T (Int,Int) 具体的函数的返回值的类型
*/
implicit val obj = Ordering[(Int,Int)].on[(String,Int,Int)](t=>(-t._3,t._2))
val sortedrd: RDD[(String, Int, Int)] = prdd.sortBy(t => t)
sortedrd.foreach(println)
}
}
1.6 方案五：利用元组封装排序条件
最简单的实现方案，直接利用元组来封装要排序的条件，默认升序，降序使用-号即可
object SortDemo5 {
def main(args: Array[String]): Unit = {
val conf = new SparkConf()
.setMaster("local")
.setAppName(this.getClass.getSimpleName)
val sc = new SparkContext(conf)
val data: RDD[String] = sc.parallelize(List("wx 28 85 ", "pp 30 85", "dd 18 100", "taoge 35 100", "laozhao 30 120", "huge 26 9999"))
// 获得的数据类型是 元组
val prdd = data.map(t => {
val strings = t.split(" ")
val name = strings(0)
val age = strings(1).toInt
val fv = strings(2).toInt
(name, age, fv)
})
// 利用元组直接封装要排序的条件
val sortedrd: RDD[(String, Int, Int)] = prdd.sortBy(t => (-t._3,-t._2))
sortedrd.foreach(println)
}
}
版权声明：本文为博主原创文章，未经博主允许不得转载!!
欢迎访问:https://blog.csdn.net/qq_21439395/article/details/80200790
交流QQ: 824203453
3456
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
