练习一:
val list = List(("zhangsan",85),("zhangsan",90),("zhangsan",76),("lisi",80),("lisi",75),("lisi",89))
要求:
1. 创建对应的RDD,命名为rdd
2. 使用map算子,将rdd的数据进行转换操作
输出每个同学的平均分
scala> val list = List(("zhangsan",85),("zhangsan",90),("zhangsan",76),("lisi",80),("lisi",75),("lisi",89))
scala> val rdd = sc.parallelize(list)
//将相同key的值聚合到一起
scala> val rdd1 = rdd.reduceByKey((a,b)=>a+b)
//查看结果
scala> rdd1.collect()
res5: Array[(String, Int)] = Array((zhangsan,251), (lisi,244))
//让rdd1的每个元素做的输出x._1第一个元素不变,x._2第二个元素做除3的操作
scala> val rdd2 = rdd1.map(x=>(x._1,x._2/3))
//查看结果
scala> rdd2.collect()
res6: Array[(String, Int)] = Array((zhangsan,83), (lisi,81))
练习二:
val arr = Array(1,2,3,4,5)
要求:
1. 创建对应的RDD,命名为rdd
2. 使用map算子,将rdd的数据进行转换操作
分别使用count()、first()、take()、reduce()、foreach()等方法输出
scala> val arrRdd = sc.parallelize(Array(1,2,3,4,5))
//计数
scala> arrRdd.count()
res7: Long = 5
//返回第一个元素
scala> arrRdd.first()
res8: Int = 1
//返回前三个元素
scala> arrRdd.take(3)
res9: Array[Int] = Array(1, 2, 3)
//做聚合统计
scala> arrRdd.reduce((a,b)=>a+b)
res10: Int = 15
//让arrRdd中每个元素做println()的输出操作
scala> arrRdd.foreach(x=>println(x))
1
2
3
4
5
//简化
scala> arrRdd.foreach(println)
1
2
3
4
5
练习三:
val arr = Array(88,85,90)
要求:
1. 创建对应的RDD,命名为rdd1
2. 使用map算子,将rdd1的数据进行转换操作
使用zip()方法,输出的格式<--zhangsan,88--> <--lisi,85-->...
scala> val rdd1 = sc.parallelize(Array(88,85,90))
scala> val rdd2 = sc.parallelize(Array("zhangsan","lisi","wangwu"))
//做拉链操作,一个rdd1中元素对应一个rdd2中元素返回新的rdd
scala> val rdd3 = rdd1.zip(rdd2)
//查看结果
scala> rdd3.collect()
res13: Array[(Int, String)] = Array((88,zhangsan), (85,lisi), (90,wangwu))
scala> val rdd4 = rdd2.zip(rdd1)
scala> rdd4.collect()
res14: Array[(String, Int)] = Array((zhangsan,88), (lisi,85), (wangwu,90))
练习四:、
val list = List("dog","an","cat","an","cat")
要求:
1. 创建对应的RDD,命名为rdd
2. 使用map算子,将rdd的数据进行转换操作
先输出rdd中每个元素的长度,再使用zip()方法
最后去重
输出格式:<--dog,3--> <--an,2-->...
val rdd = sc.parallelize(List("dog","an","cat","an","cat"))
//第一步:通过获取rdd中每个元素的长度创建新的rdd1
scala> val rdd1 = rdd.map(_.length)
scala> rdd1.collect()
res16: Array[Int] = Array(3, 2, 3, 2, 3)
//第二步:通过zip把rdd1和rdd组合创建rdd2
scala> val rdd2 = rdd.zip(rdd1)
scala> rdd2.collect()
res17: Array[(String, Int)] = Array((dog,3), (an,2), (cat,3), (an,2), (cat,3))
//第三步:去重
scala> val rdd3 = rdd2.distinct()
//第四步:输出结果
scala> rdd3.collect()
res18: Array[(String, Int)] = Array((an,2), (dog,3), (cat,3))
scala> rdd3.foreach(println)
(an,2)
(dog,3)
(cat,3)
练习五:
val list = List(1,2,3,4,5,6)
要求:
1. 创建对应的RDD,命名为rdd
2. 使用map算子,将rdd的数据进行转换操作
规则如下:
* 偶数转换成该数的平方
* 奇数转换成该数的立方
scala> val rdd = sc.parallelize(List(1,2,3,4,5,6))
//取出偶数元素
scala> val rdd1 = rdd.filter(_ % 2 == 0)
scala> rdd1.collect()
res19: Array[Int] = Array(2, 4, 6)
//换成平方
scala> val rdd2 = rdd1.map(x=>x*x)
scala> rdd2.collect()
res20: Array[Int] = Array(4, 16, 36)
//取出奇数元素
scala> val rdd3 = rdd.filter(_ % 2 == 1)
scala> rdd3.collect()
res21: Array[Int] = Array(1, 3, 5)
//换成立方
scala> val rdd4 = rdd3.map(x=>x*x*x)
scala> rdd4.collect()
res22: Array[Int] = Array(1, 27, 125)
//简化:
scala> val rdd1 = rdd.map(x=>if(x%2==0){x*x}else{x*x*x})
//输出
scala> rdd1.foreach(println)
1
4
27
16
125
36
练习六:
有一个数组,数组元素为"dog", "salmon", "salmon", "rat", "elephant"
要求:
1. 创建对应的RDD
2. 使用map算子,将rdd的数据进行转换操作
* 规则如下:
* 将字符串与该字符串的长度组合成一个元组,例如:dog --> (dog,3),salmon --> (salmon,6)
scala> val rdd = sc.parallelize(List("dog", "salmon", "salmon", "rat", "elephant"))
//第一步:通过获取rdd中每个元素的长度创建新的rdd1
scala> val rdd1 = rdd.map(_.length)
scala> rdd1.collect()
res23: Array[Int] = Array(3, 6, 6, 3, 8)
//第二步:通过zip把rdd1和rdd组合创建rdd2
scala> val rdd2 = rdd.zip(rdd1)
scala> rdd2.collect()
res24: Array[(String, Int)] = Array((dog,3), (salmon,6), (salmon,6), (rat,3), (elephant,8))
//第三步:去重
scala> val rdd3 = rdd2.distinct()
//第四步:输出结果
scala> rdd3.collect()
res25: Array[(String, Int)] = Array((salmon,6), (rat,3), (dog,3), (elephant,8))
//简化
scala> val rdd1 = rdd.map(x=>(x,x.length()))
//输出
scala> rdd1.foreach(println)
(dog,3)
(salmon,6)
(salmon,6)
(rat,3)
(elephant,8)
练习七:
有一个words.txt文件,内容如下:
hello,world,hello,spark
good,nice,good,do
要求:
将该文件上传到HDFS下/spark/test目录下,并创建RDD数据集,然后完成以下步骤:
scala> val rdd = sc.textFile("/spark/test/word.txt")
scala> rdd.collect()
res0: Array[String] = Array(hello,world,hello,spark, good,nice,good,do)
scala> rdd.count
res13: Long = 2
//第一步:对所给数据创建的rdd切割分词
cala> val rdd1 = rdd.flatMap(x=>x.split(","))
scala> rdd1.collect()
res1: Array[String] = Array(hello, world, hello, spark, good, nice, good, do)
scala> rdd1.count
res15: Long = 8
//第二步:每个单词计数为1
scala> val rdd2 = rdd1.map(x=>(x,1))
scala> rdd2.collect()
res2: Array[(String, Int)] = Array((hello,1), (world,1), (hello,1), (spark,1), (good,1), (nice,1), (good,1), (do,1))
//第三步:对相同单词个数进行累加
scala> val rdd3 = rdd2.reduceByKey((a,b)=>a+b)
scala> rdd3.collect()
res3: Array[(String, Int)] = Array((spark,1), (do,1), (nice,1), (hello,2), (good,2), (world,1))
//第四步:过滤出单词个数大于一个的
scala> val rdd4 = rdd3.map(x=>(x._1,x._2>1))
scala> rdd4.collect()
res5: Array[(String, Boolean)] = Array((spark,false), (do,false), (nice,false), (hello,true), (good,true), (world,false))
//简化
scala> val rdd4 = rdd3.filter(x=>x._2>1)
//第五步:输出结果
scala> rdd4.foreach(println)
(hello,2)
(good,2)
练习八:
某商店上午卖出10本 spark 书籍,每本50元,4本 Hadoop 书籍,每本40元,下午卖出20本 spark 书籍,每本40元,10本 Hadoop 书籍,每本30元。
现要求求出这两本书这一天销售的平均价格。
数据如下:
spark,10,50
spark,20,40
hadoop,4,40
hadoop,10,30
提示:List(("spark",(10,50)),("hadoop",(4,40)),("hadoop",(10,30)),("spark",(20,40)))
要求:
//第一步:通过给定数据通过集合并行化创建rdd
scala> val rdd = sc.parallelize(List(("spark",(10,50)),("hadoop",(4,40)),("hadoop",(10,30)),("spark",(20,40))))
//第二步:求出不同书籍一天收入总和以及出售本数
scala> val rdd1 = rdd.reduceByKey((a,b)=>(a._1*a._2+b._1*b._2,a._1+b._1))
scala> rdd1.collect()
res19: Array[(String, (Int, Int))] = Array((spark,(1300,30)), (hadoop,(460,14)))
//第三步:求出每本平均售价
scala> val rdd2 = rdd1.map(x=>(x._1,x._2._1/x._2._2))
//输出结果
scala> rdd2.foreach(println)
(spark,43)
(hadoop,32)
练习九:
List(("Bob","spark"),("Lily","hadoop"),("Candy","hive"),("Bob","hbase"),("Bob","hive"))
根据姓名对所学书籍分组
求出每个人的书籍本数
根据项目排序
输出结果
综合案例
有一份数据格式如下的文档:
日期,姓名,app,下载渠道,地区,版本号
1. 2017-08-14,Lily,Facebook,360 Shop,NewYork,v1.0
2. 2017-08-14,Bob,Facebook,Amazon Appstore,NewYork,v1.2
3. 2017-08-14,Lily,Facebook,360 Shop,Washington,v1.2
4. 2017-08-14,Lily,Facebook,Google Play Store,Washington,v2.0
5. 2017-08-14,Candy,YouTube,app store,Chicago,v1.8
6. 2017-08-14,Lily,Facebook,Google Play Store,Washington,v2.0
7. 2017-08-14,Candy,YouTube,app store,Chicago,v1.9
8. 2017-08-15,Candy,YouTube,app store,Chicago,v2.0
9. 2017-08-15,Candy,YouTube,app store,Chicago,v2.3
10. 2017-08-15,Lily,Facebook,360 Shop,NewYork,v2.0
11. 2017-08-15,Bob,Facebook,Amazon Appstore,NewYork,v1.2
12. 2017-08-15,Bob,Facebook,Amazon Appstore,NewYork,v1.5
13. 2017-08-15,Candy,YouTube,app store,Chicago,v2.9
需求: 不考虑地区,列出版本升级情况。
结果格式: 日期,姓名,app,下载渠道,升级前版本,升级后版本。
例: 数据:
1. 2017-08-14,Lily,Facebook,360 Shop,NewYork,v1.0
2. 2017-08-14,Lily,Facebook,360 Shop,Washington,v1.2
3. 2017-08-14,Lily,Facebook,360 Shop,NewYork,v2.0
结果:
1. (2017-08-14,Lily,Facebook,360 Shop,v1.0,v1.2)
2. (2017-08-14,Lily,Facebook,360 Shop,v1.2,v2.0)
要求:
//根据需求,去除城市字段
//按key分组,key是除城市字段和版本号字段以外的所有字段,value是版本号
//过滤版本号重复的(例:(v2.0,v2.0))以及版本号只有一个的(例(v1.0))
//拆分重新组合(例:(key,(v2.0,v2.5,v3.0))拆分成(key,(v2.0,v2.5))(key,(v2.5,v3.0)))
//按需求整理输出格式(例:(2017-08-14,Lily,Facebook,360 Shop,v1.2,v2.0))
//执行foreach操作,打印出结果