07-案例：销售图书

题目：
给定一组键值对(“spark”, 2)(“hadoop”, 6)(“hadoop”, 4)(“spark”, 6)，键值对的key表示图书名称，value表示某天的图书销量，请计算每个键对应的平均值，也就是计算每种图书的每天平均销量

下面利用scala实现：

环境是在jupyter notebook中的运行，使用scala语法：

命令1：

val rdd = sc.parallelize(Array(("spark", 2), ("hadoop", 6), ("hadoop", 4), ("spark", 6)))  // 创建RDD

输出1：

rdd: org.apache.spark.rdd.RDD[(String, Int)] = ParallelCollectionRDD[0] at parallelize at <console>:25

命令2：

rdd.foreach(elem=>println(elem))

输出2：

(spark,2)
(hadoop,6)
(hadoop,4)
(spark,6)

命令3：

rdd.mapValues(x=>(x,1)).foreach(elem=>println(elem))  // mapValues不是行动操作

输出3：

(spark,(2,1))
(hadoop,(6,1))
(spark,(6,1))
(hadoop,(4,1))

命令4：

rdd.mapValues(x=>(x,1)).reduceByKey((x, y)=>(x._1+y._1, x._2+y._2)).foreach(elem=>println(elem))

输出4：

(hadoop,(10,2))
(spark,(8,2))

命令5：

rdd.mapValues(x=>(x,1)).reduceByKey((x, y)=>(x._1+y._1, x._2+y._2)).mapValues(x=>(x._1/x._2)).foreach(elem=>println(elem))

输出5：

(spark,4)
(hadoop,5)

命令6：

rdd.mapValues(x=>(x,1)).reduceByKey((x, y)=>(x._1+y._1, x._2+y._2)).mapValues(x=>(x._1/x._2)).collect()

输出6：

res10: Array[(String, Int)] = Array((hadoop,5), (spark,4))