分组取topN
1).原生的集合工具Collections.sort(list,new comparator<xxx>)
2).自己定义定长数组
原理:
给出两列数据,将第一列数据当做key,一次按照相同的key值,将value的值进行排序,获取前N个。然后打印输出。
分组取topN(3) :
原数据:
class1 100
class2 85
class3 70
class1 102
class2 65
class1 45
class2 85
class3 70
class1 16
class2 88
class1 95
class2 37
class3 98
class1 99
class2 23
代码实现,分组取top3:
package com.bjsxt.spark.others.topn;
import java.util.Iterator;
import java.util.List;
import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.api.java.function.PairFunction;
import org.apache.spark.api.java.function.VoidFunction;
import akka.util.Collections;
import scala.Tuple2;
/**
*
* 思路: java:mapToPair / scala:map groupByKey class1 [100,101,88,99] List
* Collections.sort(list) 有什么问题? 某一个key对应的value 有可能非常非常的多,放到list里面会有OOM的风险
* 解决办法:定义一个定长的数组,通过一个简单的算法
*
* @author root
*
*/
public class GroupByKeyOps {
public static void main(String[] args) {
SparkConf conf = new SparkConf().setMaster("local").setAppName("TopOps");
JavaSparkContext sc = new JavaSparkContext(conf);
JavaRDD<String> linesRDD = sc.textFile("scores.txt");
/**
* 调用mapToPair 按照分隔符进行切分
*
*/
JavaPairRDD<String, Integer> pairRDD = linesRDD.mapToPair(new PairFunction<String, String, Integer>() {
/**
*
*/
private static final long serialVersionUID = 1L;
@Override
public Tuple2<String, Integer> call(String str) throws Exception {
/**
*
* 按照分隔符进行切分 获取班级splited[0]当做key的值 splited[1]为score的值,取名score
*/
String[] splited = str.split("\t");
String clazzName = splited[0];
Integer score = Integer.valueOf(splited[1]);
/**
* 分别返回splited[0]为key的值 返回splited[1]为value的值,取名score
*/
return new Tuple2<String, Integer>(clazzName, score);
}
});
/**
* groupByKey 按照key的值进行分组
*/
pairRDD.groupByKey().foreach(new VoidFunction<Tuple2<String, Iterable<Integer>>>() {
/**
*
*/
private static final long serialVersionUID = 1L;
@Override
public void call(Tuple2<String, Iterable<Integer>> tuple) throws Exception {
String clazzName = tuple._1;
Iterator<Integer> iterator = tuple._2.iterator();
Integer[] top3 = new Integer[3];
while (iterator.hasNext()) {
Integer score = iterator.next();
for (int i = 0; i < top3.length; i++) {
if (top3[i] == null) {
top3[i] = score;
break;
/**
* 第一次传进来的时候,top[0]为0 后边依次将score传入
*/
} else if (score > top3[i]) {
for (int j = 2; j > i; j--) {
/**
* 如果传入的数比已经传入的数大的时候,依次将之前传入的数往后挪 把刚传入的数据放在最前边top[0]的位置
*/
top3[j] = top3[j - 1];
}
top3[i] = score;
break;
}
}
}
System.out.println("class Name:" + clazzName);
/**
* 循环遍历输出
*/
for (Integer sscore : top3) {
System.out.println(sscore);
}
}
});
}
}