学习进度笔记⑦

spark-shell交互式编程

请根据给定的实验数据，在 spark-shell 中通过编程来计算以下内容：

（1）该系总共有多少学生；

（2）该系共开设了多少门课程；

（3）Tom 同学的总成绩平均分是多少；

（4）求每名同学的选修的课程门数；

（5）该系 DataBase 课程共有多少人选修；

（6）各门课程的平均分是多少；

（7）使用累加器计算共有多少人选了 DataBase 这门课

2、编写独立应用程序实现数据去重

对于两个输入文件 A 和 B，编写 Spark 独立应用程序，对两个文件进行合并，并剔除其中重复的内容，得到一个新文件 C。下面是输入文件和输出文件的一个样例，供参考。

输入文件 A 的样例如下：

20170101 x

20170102 y

20170103 x

20170104 y

20170105 z

20170106 z

输入文件 B 的样例如下：

20170101 y

20170102 y

20170103 x

20170104 z

20170105 y

根据输入的文件 A 和 B 合并得到的输出文件 C 的样例如下：

20170101 x

20170101 y

20170102 y

20170103 x

20170104 y

20170104 z

20170105 y

20170105 z

20170106 z

（１）假设当前目录为/usr/local/spark/mycode/remdup，在当前目录下新建一个目录 mkdir -p src/main/scala，然后在目录/usr/local/spark/mycode/remdup/src/main/scala 下新建一个 remdup.scala，复制下面代码；

（２）在目录/usr/local/spark/mycode/remdup 目录下新建 simple.sbt，复制下面代码：

（３）在目录/usr/local/spark/mycode/remdup 下执行下面命令打包程序

（４）最后在目录/usr/local/spark/mycode/remdup 下执行下面命令提交程序

（５）在目录/usr/local/spark/mycode/remdup/result 下即可得到结果文件。

3、编写独立应用程序实现求平均值问题

每个输入文件表示班级学生某个学科的成绩，每行内容由两个字段组成，第一个是学生名字，第二个是学生的成绩；编写 Spark 独立应用程序求出所有学生的平均成绩，并输出到一个新文件中。下面是输入文件和输出文件的一个样例，供参考。

Algorithm 成绩：

小明 92

小红 87

小新 82

小丽 90

Database 成绩：

小明 95

小红 81

小新 89

小丽 85

Python 成绩：

小明 82

小红 83

小新 94

小丽 91

平均成绩如下：

(小红,83.67)

(小新,88.33)

(小明,89.67)

(小丽,88.67)

（１）假设当前目录为/usr/local/spark/mycode/avgscore，在当前目录下新建一个目录 mkdir -p src/main/scala，然后在目录/usr/local/spark/mycode/avgscore/src/main/scala 下新建一个 avgscore.scala，复制下面代码；

import org.apache.spark.SparkContext
import org.apache.spark.SparkContext._
import org.apache.spark.SparkConf
import org.apache.spark.HashPartitioner
object AvgScore {
 def main(args: Array[String]) {
 　　val conf = new SparkConf().setAppName("AvgScore")
 　　val sc = new SparkContext(conf)
 　　val dataFile = "file:///home/charles/data"
 　　val data = sc.textFile(dataFile,3)
 　　val res = data.filter(_.trim().length>0).map(line=>(line.split(" ")(0).trim(),line.split("
")(1).trim().toInt)).partitionBy(new HashPartitioner(1)).groupByKey().map(x => {
 　　var n = 0
 　　var sum = 0.0
 　　for(i <- x._2){
 　　　　sum = sum + i
 　　　　n = n +1
 　　}
 　　val avg = sum/n
　　 val format = f"$avg%1.2f".toDouble(x._1,format)
 })
 　　res.saveAsTextFile("result")
 }
}

（２）在目录/usr/local/spark/mycode/avgscore 目录下新建 simple.sbt，复制下面代码：

（３）在目录/usr/local/spark/mycode/avgscore 下执行下面命令打包程序