sparkcore案例三：获取每一种状态码对应的访问量

• 题目描述：

/**
 * 清洗完成的数据中包含一个用户的响应状态码，获取每一种状态码对应的访问量
 *   1、读取清洗完成的数据成为RDD[String]
 *   2、可以把上一步得到的RDD通过map算子转换成一个键值对类型的RDD，以状态码为key  以不同用户的访问日志为value的数据
 *   3、键值对类型的RDD通过countByKey行动算子计算每种状态码的访问量（不灵活）。也可以使用aggregateByKey或者combineByKey实现访问量的统计
 */

• 代码：方法一：

object A3StatusCount {
  def main(args: Array[String]): Unit = {
    val sparkConf:SparkConf = new SparkConf().setAppName("demo02").setMaster("local[3]")
    val sc:SparkContext = new SparkContext(sparkConf)
 
    val value: RDD[String] = sc.textFile("hdfs://node1:9000/dc")
    val map = value.map((line: String) => {
      val str: String = line.split(" ")(8)
      (str, 1)
    })
    val count = map.reduceByKey(_ + _)
    count.foreach(println(_))
 
    sc.stop()
  }
}

• 代码：方法二：

object A3StatusCount {
  def main(args: Array[String]): Unit = {
    val sparkConf:SparkConf = new SparkConf().setAppName("demo02").setMaster("local[3]")
    val sc:SparkContext = new SparkContext(sparkConf)
 
    val value: RDD[String] = sc.textFile("hdfs://node1:9000/dc")
 
    val map: RDD[(String, String)] = value.map((line: String) => {
      val strs = line.split(" ")
      (strs(8), line)
    })
    val agg = map.aggregateByKey(0L)(
      (a: Long, b: String) => {
        a + 1L
      },
      (a: Long, b: Long) => {
        a + b
      }
    )
    agg.foreach(println(_))
 
    sc.stop()
  }
}