Spark之TopN的实现,scala集合的排序和spark RDD的排序对比

本文探讨了在处理大数据时,如何在Spark中实现TopN操作,比较了Scala集合排序和Spark RDD排序的优缺点。针对数据溢出和资源消耗问题,提出了优化方案,包括使用RDD的排序功能和缓存策略来提高效率。
摘要由CSDN通过智能技术生成

比如有原始数据

http://bigdata.bjut.edu.cn/thy

http://java.bjut.edu.cn/lmm

....等等类似的数据,最后为老师的名字,前面含有某个科目,求出某学科老师的点击量topn

 

方法一:思路,先对数据进行处理,获取我们需要的。组合成((学科,老师),1)的形式在进行聚合,然后按照学科进行分组,最后进行排序。

package com.thy.spark

import java.net.URL

import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark.rdd.RDD

object GroupFavTeacher1 {
  def main(args: Array[String]): Unit = {

    //val N  = args(0).toInt
    val conf = new SparkConf().setAppName("FavTeacher").setMaster("local[2]")
    val sc: SparkContext = new SparkContext(conf)
    val data: RDD[String] = sc.textFile("E:\\hdfs
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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