RDD编程初级实践

RDD编程初级实践

实验目的

（1）熟悉Spark的RDD基本操作及键值对操作；
（2）熟悉Spark的RDD编程解决实际问题的方法；

实验平台

操作系统：Ubuntu16.04
Spark版本：2.4.8
Hadoop：3.3.0
Python：3.5.1

实验内容

pyspark交互式编程

本作业提供分析数据data.txt，该数据包含了某大学计算机系的成绩。数据如下所示：

Tom,DataBase,80
Tom,Algorithm,50
Tom,DataStructure,60
Jim,DataBase,90
Jim,Algorithm,60
Jim,DataStructure,80
......

请根据给定的实验数据，在pyspark中通过编程来及时一下内容：

该系总共有多少学生？

代码：

lines = sc.textFile("file:///usr/local/spark/data/data.txt")
//获取每行数据第一列
res = lines.map(lambda x:x.split(",")).map(lambda x: x[0])
//去重
distinct_res = res.distinct()
//统计
distinct_res.count()

该系共开设有多少课程？

代码：

lines = sc.textFile("file:///usr/local/spark/data/data.txt")
//获取每行数据的第2列
res = lines.map(lambda x:x.split(",")).map(lambda x:x[1])
//去重操作
distinct_res = res.distinct()
//取元素总个数
distinct_res.count()

Tom同学的总成绩平均分是多少？

lines = sc.textFile("file:///usr/local/spark/data/data.txt")
//筛选Tom同学的成绩信息
res &