Spark实训，spark RDD案例：统计每日新增用户

1.学习任务

已知有以下用户访问历史数据，第一列为用户访问网站的日期，第二列为用户名：、

    2022-01-01,mike
    2022-01-01,alice
    2022-01-01,brown
    2022-01-02,mike
    2022-01-02,alice
    2022-01-02,green
    2022-01-03,alice
    2022-01-03,smith
    2022-01-03,brian

    2022-01-01    mike    alice    brown
    2022-01-02    mike    alice    green
    2022-01-03    alice    smith    brian

2022-01-01新增了3个用户（分别为mike、alice、brown），2022-01-02新增了1个用户（green），2022-01-03新增了两个用户（分别为smith、brian）。

若同一个用户对应多个访问日期，则最小的日期为该用户的注册日期，即新增日期，其他日期为重复访问日期，不应统计在内。因此每个用户应该只计算用户访问的最小日期即可。将每个用户访问的最小日期都移到第一列，第一列为有效数据，只统计第一列中每个日期的出现次数，即为对应日期的新增用户数。
 

2.准备工作

启动集群的HDFS与Spark

 在HDFS上准备数据 - users.txt