spark练习---统计每个省份的点击最多的三个广告

import org.apache.spark.{SparkConf, SparkContext}
object SparkTest {
  def main(args: Array[String]): Unit = {
    val sc=new SparkContext(new SparkConf().setMaster("local[4]").setAppName("test"));
//    从文件读取数据
    val rdd1 = sc.textFile("datas/agent.log")
//    列裁剪+转换
    val rdd2 = rdd1.map(line =>{
      val data=line.split(" ")//按空格切分数据
      val province=data(1)//省份
      val adid=data(4)//广告
//      以(省份,广告)为key,1为value
      ((province,adid),1)
    })
//对相同key的value进行迭代累加计算 ((province,adid),1)
    val rdd3=rdd2.reduceByKey((agg,curr)=>agg+curr)
//模式匹配,以province省份进行分组
    val rdd4=rdd3.groupBy{
//          num:广告点击次数
      case ((province,adid),num) => province
    }
//依赖rdd4返回的数据((province,adid),num),进行map操作 x:((province,adid),num)
    val rdd5=rdd4.map(x=>{
//      把每个省的广告num次数转成列表,并以num次数大小降序排序,取出每个省的前三的广告
      val top3=x._2.toList.sortBy(y => y._2).reverse.take(3)
//      对top3的kv((province,adid),num) => 转换成 (adid【广告】,num【广告次数】)
      val t3=top3.map{
        case ((province,adid),num) =>(adid,num)
      }
//      返回省份和广告,次数 ;以省份为key,【广告,广告点击次数】为value
      (x._1,t3)
    })
//job提交并遍历打印输出
  rdd5.collect().foreach(println)

  }
}