一、词频统计：

  1. 读文本文件生成RDD lines
  2. 将一行一行的文本分割成单词 words flatmap()
  3. 全部转换为小写 lower()
  4. 去掉长度小于3的单词 filter()
  5. 去掉停用词
  6. 转换成键值对 map()
  7. 统计词频 reduceByKey()
  8. 按字母顺序排序 sortBy(f)
  9. 按词频排序 sortByKey()

 

 

 

 

 

  10.结果文件保存 saveAsTextFile(out_url)

 

 

 

 

二、学生课程分数案例

  • 总共有多少学生？map(), distinct(), count()
  • 开设了多少门课程？
  • 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()
  • 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（课程，分数）RDD，观察keys(),values()

  •  

     

     

     

  • 每个分数+5分。mapValues(func)

  •  

     

  • 求每门课的选修人数及所有人的总分。combineByKey()

  •  

     

  • 求每门课的选修人数及平均分，精确到2位小数。map()，round()

  •  

     

  • 求每门课的选修人数及平均分。用reduceByKey()实现，并比较与combineByKey()的异同。