RDD编程初级实践
一、需求分析
本次实验需要统计:总共有多少学生;开设了多少门课程;Tom同学的总成绩平均分;每名同学的选修的课程门数;DataBase课程选修人数;门课程的平均分;选了DataBase这门课的人数;对于两个输入进行合并,并剔除其中重复的内容,得到一个新文件C;对于三个文件中求出所有学生的平均成绩,并输出到一个新文件中。
二、环境介绍
操作系统:Ubuntu16.04
Spark版本:2.4.0
Python版本:3.4.3
三、数据来源描述
提供分析的数据文件一共有A.txt、Algorithm.txt、B.txt、data.txt、Database.txt、Python.txt。这些都是由某大学计算机系提供的,有各名学生的选修课程和课程分数。
data.txt里面分别是姓名,课程名,分数。数据格式如下所示:
Aaron,Python,50
Aaron,ComputerNetwork,30
Aaron,Software,94
Abbott,DataBase,18
Abbott,Python,82
A.txt和B.txt每行内容由两个字段组成,第一个是数字,第二个是x或y。数据格式如下所示:
20200102 y
20200103 x
20200104