作业六:RDD综合练习--更丰富的操作
1.集合运算练习
RDD转换操作
--union():并集
--intersection():交集
--subtract():差集
--cartesian():笛卡尔积
2.内连接与外连接
键值对RDD的内连接与外连接
--join():内连接
--leftOuterJoin():左外连接
--rightOuterJoin():右外连接
--fullOuterJoin():左右外连接
3.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 data.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(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
-
- 查看不及格人数的变化
-
- 求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,精确到2位小数
-
-
-
- 比较几种方法的异同
-
- lookup(),np.mean()实现以及reduceByKey()和collectAsMap()实现在少量数据的时候可以通过循环来实现,但是过程比较麻烦,在大量数据的场合中不适用,并且也是不合理的。
- combineByKey(),map(),round()实现:
2.1 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)
2.2 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)
2.3 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)。
综上可得,combineByKey(),map(),round()实现可以基于一条命令下完成所有操作,方便快捷,适用于大量数据的实际操作中。