spark-SQL综合练习每日关键字的UV统计-scala

1. 开发环境说明

因为我测试了不同的开发环境会出错误,所以可用环境版本说明如下:
IntelliJ IDEA 2019.1.1 (Ultimate Edition)
JRE: 1.8.0_202-release-1483-b44 x86_64
JVM: OpenJDK 64-Bit Server VM by JetBrains s.r.o
macOS 10.14.4
ProjectStruct->Libraries: spark-2.3.3-bin-hadoop2.7
Global Libraries: scala-2.11.11

2. 运行环境说明

Spark 版本 - 2.4.0
集群分布
hd-master - Master节点+Worker节点
slave1/2/3 - Worker节点

Hive 版本 - 2.3.4
集群分布
hd-master - hiveserver2+metadata

hadoop 版本 2.7.7
集群分布
hd-master - NameNode + HistoryServer + ResourceManager + JN
slave1 - NameNode + DataNode + NodeManager + JN
slave2 - DataNode + NodeManager + JN
slave3 - DataNode + NodeManager

3. 实现的需求如下

使用的十三大师的课题和测试文件,统计每天搜索关键字次数最多的TOP3,结果保存到HIVE中
要求只统计北京的android的指定版本号的数据信息;
文件格式:日期 用户 搜索词 城市 平台 版本
文件路径:hdfs://hd-master:9000/test/input/keyword.txt
keyword.txt

4. 实现代码如下

import org.apache.spark.sql.{Row, SparkSession}
import org.apache.spark.sql.types.{LongType, StringType, StructField, StructType}
import org.apache.spark.{SparkConf, SparkContext}

//每日top3热点搜索词统计
object DailyTop3Keyword {

  def main(args: Array[String]): Unit = {
    val conf = new SparkConf().setAppName("DailyTop3Keyword").setMaster("local")
    val sc   = new SparkContext(conf)
    val spark = SparkSession.builder()
      .config(conf)
      .config("spark.sql.warehouse.dir", "spark-warehouse")
      .enableHiveSupport()
      .getOrCreate()


    //按需求预定义查询过滤条件
    val queryParamMap = Map(
      "city"->Array("beijing"),
      "platform"->Array("android"),
      "version"->Array("1.0","1.2","1.5","2.0")
    )

    //将查询条件定义为广播变量,每个节点只拷贝一份数据
    val bcQueryParamMap = sc.broadcast(queryParamMap)

    //读取HDFS分析文件,得到RDD(文件格式:日期 用户 搜索词 城市 平台 版本)
    val rawRDD = sc.textFile("hdfs://hd-master:9000/test/input/keyword.txt")
    //为更好理解处理过程,分步显示结果
    println("rawRDD====================")
    rawRDD.foreach(println(_))

    //按照查询条件进行过滤,去掉不符合条件的数据
    val filterRDD = rawRDD.filter(f=>{
      val city     = f.split("\t")(3)
      val platform = f.split("\t")(4)
      val version  = f.split("\t")(5)

      if(city.length>0 && !bcQueryParamMap.value("city").contains(city)) { false } else
      if(platform.length>0 && !bcQueryParamMap.value("platform").contains(platform)) { false } else
      if(version.length>0 && !bcQueryParamMap.value("version").contains(version)) { false } else  true
    })

    //将过滤后的数据,映射为(日期_搜索词,用户)的格式
    val dateKeywordUserRDD = filterRDD.map(s=>{
      val date     = s.split("\t")(0).trim
      val user     = s.split("\t")(1).trim
      val keyword  = s.split("\t")(2).trim
      Tuple2(date+"_"+keyword,user)
    })
    //为更好理解处理过程,分步显示结果
    println("dateKeywordUserRDD====================")
    dateKeywordUserRDD.foreach(println(_))

    //对每天每个搜索词的搜索用户,进行用户去重,并分组,获得其UV,distinct会返回一个RDD[String,Iterable[String]]
    val dkwuRowRDD = dateKeywordUserRDD.distinct().groupByKey().map(r=>
      (Row(r._1.split("_")(0).trim,
        r._1.split("_")(1).trim,
        r._2.size.toLong)))
    //为更好理解处理过程,分步显示结果    
    println("dkwuRowRDD====================")
    dkwuRowRDD.foreach(println(_))

    //创建一个对应的表结构
    val schema = StructType(Array(
      StructField("date",StringType,true),
      StructField("keyword",StringType,true),
      StructField("uv",LongType,true)
    ))

    //通过表结构和rowRDD创建DataFrame
    val dateKeywordUvDF = spark.createDataFrame(dkwuRowRDD,schema)

    //使用Spark SQL开窗函数,统计每天热能索UV排名前3的KeyWord
    dateKeywordUvDF.createOrReplaceTempView("keyWordTable")

    //通过开窗函数将每天TOP3的数据留下,其它不要
    val dailyTop3KeywordDF = spark.sql(""
      + "SELECT date,keyword,uv "
      + "FROM ("
          + "SELECT "
          + "date,keyword,uv, "
          + "row_number() OVER (PARTITION BY date ORDER BY uv DESC) rank "
          + "FROM keyWordTable "

      + ") tmp "
      + "WHERE rank<=3"
    )

    //为更好理解处理过程,分步显示结果
    println("dailyTop3KeywordDF====================")
    dailyTop3KeywordDF.show()

    //最终的数据保存到HIVE中
    spark.sql("DROP TABLE IF EXISTS KeyWordTop3_Result_Table")
    dailyTop3KeywordDF.write.saveAsTable("KeyWordTop3_Result_Table")

    //我也不知道如何控制写到HIVE外部或内部表???
    val resDF =  spark.read.table("KeyWordTop3_Result_Table")
    //为更好理解处理过程,分步显示结果
    resDF.printSchema()
  }
}

hive外表生成结果:

[hadoop@hd-master sql]$ hadoop dfs -ls /hive
DEPRECATED: Use of this script to execute hdfs command is deprecated.
Instead use the hdfs command for it.

19/05/22 11:44:36 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
Found 1 items
drwxr-xr-x   - hadoop supergroup          0 2019-05-22 11:33 /hive/keywordtop3_result_table

5. 分步输出的结果如下

rawRDD====================
2015-10-01      leo     barbecue        beijing android 1.0
2015-10-01      leo     barbecue        beijing android 1.0
2015-10-01      tom     barbecue        beijing android 1.0
2015-10-01      jack    barbecue        beijing android 1.0
2015-10-01      marry   barbecue        beijing android 1.0
2015-10-01      tom     seafood beijing android 1.2
2015-10-01      leo     seafood beijing android 1.2
2015-10-01      jack    seafood beijing android 1.2
2015-10-01      jack    seafood beijing android 1.2
2015-10-01      marry   toy     beijing android 1.5
2015-10-01      leo     toy     beijing android 1.5
2015-10-01      leo     toy     beijing android 1.5
2015-10-01      jack    water   beijing android 2.0
2015-10-01      white   barbecue        nanjing iphone  2.0
2015-10-02      white   seafood beijing android 1.0
2015-10-02      leo     seafood beijing android 1.0
2015-10-02      marry   seafood beijing android 1.0
2015-10-02      tom     seafood beijing android 1.0
2015-10-02      jack    seafood beijing android 1.0
2015-10-02      jack    seafood beijing android 1.0
2015-10-02      tom     water   beijing android 1.2
2015-10-02      leo     water   beijing android 1.2
2015-10-02      jack    water   beijing android 1.2
2015-10-02      jack    water   beijing android 1.2
2015-10-02      leo     barbecue        beijing android 1.5
2015-10-02      marry   barbecue        beijing android 1.5
2015-10-02      marry   barbecue        beijing android 1.5
2015-10-02      jack    toy     beijing android 2.0
2015-10-02      white   tour    nanjing iphone  2.0
dateKeywordUserRDD====================
(2015-10-01_barbecue,leo)
(2015-10-01_barbecue,leo)
(2015-10-01_barbecue,tom)
(2015-10-01_barbecue,jack)
(2015-10-01_barbecue,marry)
(2015-10-01_seafood,tom)
(2015-10-01_seafood,leo)
(2015-10-01_seafood,jack)
(2015-10-01_seafood,jack)
(2015-10-01_toy,marry)
(2015-10-01_toy,leo)
(2015-10-01_toy,leo)
(2015-10-01_water,jack)
(2015-10-02_seafood,white)
(2015-10-02_seafood,leo)
(2015-10-02_seafood,marry)
(2015-10-02_seafood,tom)
(2015-10-02_seafood,jack)
(2015-10-02_seafood,jack)
(2015-10-02_water,tom)
(2015-10-02_water,leo)
(2015-10-02_water,jack)
(2015-10-02_water,jack)
(2015-10-02_barbecue,leo)
(2015-10-02_barbecue,marry)
(2015-10-02_barbecue,marry)
(2015-10-02_toy,jack)
dkwuRowRDD====================
[2015-10-01,toy,2]
[2015-10-02,barbecue,2]
[2015-10-02,water,3]
[2015-10-01,water,1]
[2015-10-01,seafood,3]
[2015-10-02,toy,1]
[2015-10-01,barbecue,4]
[2015-10-02,seafood,5]
dailyTop3KeywordDF====================
+----------+--------+---+
|      date| keyword| uv|
+----------+--------+---+
|2015-10-02| seafood|  5|
|2015-10-02|   water|  3|
|2015-10-02|barbecue|  2|
|2015-10-01|barbecue|  4|
|2015-10-01| seafood|  3|
|2015-10-01|     toy|  2|
+----------+--------+---+

root
 |-- date: string (nullable = true)
 |-- keyword: string (nullable = true)
 |-- uv: long (nullable = true)


6. 。。。。。。

在这里插入图片描述

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

xuanwenchao

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值