6. RDD综合练习:更丰富的操作
集合运算练习
union(), intersection(),subtract(), cartesian()
内连接与外连接
join(), leftOuterJoin(), rightOuterJoin(), fullOuterJoin()
三、综合练习:学生课程分数
网盘下载sc.txt文件,通过RDD操作实现以下数据分析:
-
持久化 scm.cache()
-
总共有多少学生?map(), distinct(), count()
-
开设了多少门课程?
-
生成(姓名,课程分数)键值对RDD,观察keys(),values()
-
每个学生选修了多少门课?map(), countByKey()
-
每门课程有多少个学生选?map(), countByValue()
-
有多少个100分?
-
Tom选修了几门课?每门课多少分?filter(), map() RDD
-
Tom选修了几门课?每门课多少分?map(),lookup() list
-
Tom的成绩按分数大小排序。filter(), map(), sortBy()
-
Tom的平均分。map(),lookup(),mean()
-
生成(姓名课程,分数)RDD,观察keys(),values()
-
每个分数+20平时分。
分别用mapValues(func)和 map(func)实现。
并查看不及格人数的变化。
-
每门课的选修人数及平均分
- lookup(),np.mean()实现
-
- reduceByKey()和collectAsMap()实现
-
- combineByKey(),map(),round()实现,确到2位小数
-
- 比较几种方法的异同
其他几种是对key的value进行merge操作,在一个(K,V)的RDD上调用,返回一个(K,V)的RDD,使用指定的reduce函数,将相同key的值聚合到一起,与groupByKey类似,reduce任务的个数可以通过第二个可选的参数来设置,最重要的是它能够在本地先进行merge操作,并且merge操作可以通过函数自定义;
而combineByKey()的主要用法是:createCombiner: V => C ,这个函数把当前的值作为参数,此时我们可以对其做些附加操作(类型转换)并把它返回 (这一步类似于初始化操作);mergeValue: (C, V) => C,该函数把元素V合并到之前的元素C(createCombiner)上 (这个操作在每个分区内进行);mergeCombiners: (C, C) => C,该函数把2个元素C合并 (这个操作在不同分区间进行)。