一、例题
对于两个输入文件A和B,编写spark独立应用程序,对两个文件进行合并,并剔除其中重复的内容,得到一个新文件c。下面是输入文件和输出文件的一个样例,供参考。
输入文件A的样例如下:
20170101 x
20170102 y
20170103 x
20170104 y
20170105 z
20170106 z
输入文件B的样例如下:
20170101 y
20170102 y
20170103 x
20170104 z
20170105 y
根据输入的文件A和B合并得到的输出文件c的样例如下:
20170101 x
20170101 y
20170102 y
20170103 x
20170104 y
20170104 z
20170105 y
20170105 z
20170106 z
二、代码
import org.apache.spark.{SparkConf, SparkContext}
object distinctTwoFile {
def main(args: Array[String]): Unit = {
//1、创建SparkConf对象,该对象初始化一些数据,如该scala代码程序的名字,连接到主节点master的url地址
val sparkConf = new SparkConf().setMaster("local").setAppName("WordCount")
//2、创建SparkContext对象,该对象时应用程序提交到spark进行计算运行的唯一入口
val sc = new SparkContext(sparkConf)
//通过textFile函数获取数据,同时把数据分割为一行一行,每个数据节点存储一定行数的数据,lines-RDD就是代表这些行的的名字
val A = sc.textFile("D://scala-spark-rdd/data/A.txt")
val B = sc.textFile("D://scala-spark-rdd/data/B.txt")
//使用算子union()可以合并两个相同形式的文件数据
//distinct()函数是去除RDD里面重复的数据
//sortBY()函数是根据第一个参数来排序,第二个参数true代表升序
val C = A.union(B).distinct().sortBy(x => x,true)
C.foreach(println)
sc.stop()
}
}
三、实验结果