RDD编程

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。

 

posted @ 2021-04-18 17:40  026王渡  阅读(75)  评论(0编辑  收藏  举报