RDD综合操作实例

一、词频统计

A. 分步骤实现

准备文件

1.下载小说或长篇新闻稿

2.上传到hdfs上

 读文件创建RDD

 

 分词

 排除大小写lower()，map()

标点符号re.split(pattern,str)，flatMap(),

停用词,可网盘下载stopwords.txt,filter()，

 

长度小于2的词filter()

 统计词频

 

按词频排序

输出到文件

 

查看结果

 B. 一句话实现：文件入文件出

二、求Top值

网盘下载payment.txt文件，通过RDD操作实现选出最大支付额的用户。

丢弃不合规范的行：

空行

少数据项

缺失数据

支付金额转换为数值型，按支付金额排序

取出Top3