一、利用RDD计算总分与平均分
(一)提出任务
- 针对成绩表,计算每个学生总分和平均分
(二)实现思路
读取成绩文件,生成lines;定义二元组成绩列表;遍历lines,填充二元组成绩列表;基于二元组成绩列表创建RDD;对rdd按键归约得到rdd1,计算总分;将rdd1映射成rdd2,计算总分与平均分。
(三)准备工作
1、启动HDFS服务
执行命令:start-dfs.sh
2、启动Spark服务
- 进入Spark的
sbin
目录执行命令:./start-all.sh
3、在本地创建成绩文件
- 在
/home
里创建scores.txt
文件
4、将成绩文件上传到HDFS
- 在HDFS上创建
/scoresumavg/input
目录,将成绩文件上传至该目录
(四)完成任务
1、在Spark Shell里完成任务
- 执行命令:val lines = sc.textFile("hdfs://master:9000/scoresumavg/input/scores.txt")
(2)定义二元组成绩列表
- 执行命令:
import scala.collection.mutable.ListBuffer
- 执行命令:
val scores = new ListBuffer[(String, Int)]()
(3)利用RDD填充二元组成绩列表
- 执行上述代码
(4)基于二元组成绩列表创建RDD
- 执行命令:
val rdd = sc.makeRDD(scores);
(5)对rdd按键归约得到rdd1,计算总分
- 执行命令:
val rdd1 = rdd.reduceByKey(_ + _)
(6)将rdd1映射成rdd2,计算总分与平均分
- 执行命令:
val rdd2 = rdd1.map(score => (score._1, score._2, (score._2 / 3.0).formatted("%.2f")))
2、在IntelliJ IDEA里完成任务
SparkRDDDemo
(2)创建计算总分平均分对象
- 在
net.lym.rdd
包里创建day07
子包,然后在子包里创建CalculateSumAvg
对
二、利用RDD统计每日新增用户
(一)提出任务
- 已知有以下用户访问历史数据,第一列为用户访问网站的日期,第二列为用户名。
- 现需要根据上述数据统计每日新增的用户数量,期望统计结果。