RDD实例
实例一:
teacher.log
- http://bigdata.baidu.cn/zhangsan
- http://bigdata.baidu.cn/zhangsan
- http://bigdata.baidu.cn/lisi
- http://bigdata.baidu.cn/lisi
- http://bigdata.baidu.cn/lisi
- http://bigdata.baidu.cn/lisi
- http://bigdata.baidu.cn/lisi
- http://bigdata.baidu.cn/wangwu
- http://bigdata.baidu.cn/wangwu
- http://javaee.baidu.cn/xiaoxu
- http://javaee.baidu.cn/xiaoxu
- http://javaee.baidu.cn/laoyang
- http://javaee.baidu.cn/laoyang
- http://javaee.baidu.cn/laoyang
- http://bigdata.baidu.cn/lisi
- http://bigdata.baidu.cn/lisi
- http://bigdata.baidu.cn/lisi
- http://bigdata.baidu.cn/lisi
- http://bigdata.baidu.cn/lisi
- http://bigdata.baidu.cn/wangwu
- http://bigdata.baidu.cn/wangwu
- http://javaee.baidu.cn/xiaoxu
- http://javaee.baidu.cn/xiaoxu
- http://javaee.baidu.cn/laoyang
- http://javaee.baidu.cn/laoyang
- http://javaee.baidu.cn/laoyang
- http://bigdata.baidu.cn/lisi
- http://bigdata.baidu.cn/lisi
- http://bigdata.baidu.cn/lisi
- http://bigdata.baidu.cn/lisi
- http://bigdata.baidu.cn/lisi
- http://bigdata.baidu.cn/wangwu
- http://bigdata.baidu.cn/wangwu
- http://javaee.baidu.cn/xiaoxu
- http://javaee.baidu.cn/xiaoxu
- http://javaee.baidu.cn/laoyang
- http://javaee.baidu.cn/laoyang
- http://javaee.baidu.cn/laoyang
- http://php.baidu.cn/laoli
- http://php.baidu.cn/laoliu
- http://php.baidu.cn/laoli
- http://php.baidu.cn/laoli
全局topn 组内topn
代码:
- package dayo1
- import java.net.URL
- import org.apache.spark.rdd.RDD
- import org.apache.spark.{SparkConf, SparkContext}
- object teacher2 {
- def main(args: Array[String]): Unit = {
- val conf = new SparkConf ()
- .setAppName ( this.getClass.getSimpleName )
- .setMaster ( "local[1]" )
- val sc = new SparkContext ( conf )
- val lines = sc.textFile ( "E:\\teacher.log" )
- val overAll: RDD[((String, String), Int)] = lines.map ( tp => {
- val teacher: String = tp.split ( "/" ).last
- val host = new URL ( tp ).getHost
- val subject = host.substring ( , host.indexOf ( "." ) )
- ((teacher, subject), )
- } )
- //所有科目和老师的前三
- val topOverAll = overAll.reduceByKey ( _ + _ ).sortBy ( -_._2 ).take ( ).foreach ( println )
- //每个科目前两名的老师
- val topGroup = overAll.reduceByKey ( _ + _ ).groupBy ( _._1._2 ).mapValues ( _.toList.sortBy ( -_._2 ).take ( ) ).foreach ( println )
- sc.stop ()
- }
- }
实例二:
去重
- file1:
- -- a
- -- b
- -- c
- -- d
- -- a
- -- b
- -- c
- -- c
- file2:
- -- b
- -- a
- -- b
- -- d
- -- a
- -- c
- -- d
- -- c
代码:
- package dayo1
- import org.apache.spark.{SparkConf, SparkContext}
- object distinct {
- def main(args: Array[String]): Unit = {
- val cof = new SparkConf ()
- .setAppName ( this.getClass.getSimpleName )
- .setMaster ( "local[1]" )
- val sc = new SparkContext ( cof )
- val file1 = sc.textFile ( "E:\\file1.txt" )
- val file2 = sc.textFile ( "E:\\file2.txt" )
- val list = file1.union ( file2 ).distinct ().sortBy ( tp => tp )
- list.foreach ( println )
- sc.stop ()
- }
- }
实例三:
temperature.txt
- 0067011990999991950051507004888888889999999N9++
- 0067011990999991950051512004888888889999999N9++
- 0067011990999991950051518004888888889999999N9-+
- 0067011990999991949032412004888888889999999N9++
- 0067011990999991950032418004888888880500001N9++
- 0067011990999991950051507004888888880500001N9++
需求:分析每年的最高温度
代码:
- package dayo1
- import org.apache.spark.{SparkConf, SparkContext}
- /**
- * 0067011990999991950051507004888888889999999N9+00001+9999999999999999999999
- * 0067011990999991950051512004888888889999999N9+00221+9999999999999999999999
- * 0067011990999991950051518004888888889999999N9-00111+9999999999999999999999
- * 0067011990999991949032412004888888889999999N9+01111+9999999999999999999999
- * 0067011990999991950032418004888888880500001N9+00001+9999999999999999999999
- * 0067011990999991950051507004888888880500001N9+00781+9999999999999999999999
- *
- * 12345678911234567892123456789312345678941234567895123456789612345678971234
- * 需求:分析每年的最高温度
- * 数据说明:
- *
- *
- * 第15-19个字符是year 6-9
- *
- * 第45-50位是温度表示,+表示零上 -表示零下,且温度的值不能是9999,9999表示异常数据
- *
- * 第50位值只能是0、1、4、5、9几个数字
- */
- object temperature {
- def main(args: Array[String]): Unit = {
- val cof = new SparkConf ()
- .setAppName ( this.getClass.getSimpleName )
- .setMaster ( "local[*]" )
- val sc = new SparkContext ( cof )
- val lines = sc.textFile ( "E:\\temperature.txt" )
- val yearAndTemp = lines.filter ( tp => {
- var temp =
- val query = tp.charAt ( ).toString //val query=tp.subString(50,51)
- if (tp.charAt ( ).equals ( "+" )) {
- temp = tp.substring ( , ).toInt
- } else {
- temp = tp.substring ( , ).toInt
- }
- temp != && query.matches ( "[01459]" )
- } ).map ( tp => {
- val year = tp.substring ( , )
- var temp =
- if (tp.charAt ( ).equals ( "+" )) {
- temp = tp.substring ( , ).toInt
- } else {
- temp = tp.substring ( , ).toInt
- }
- (year, temp)
- } )
- val res = yearAndTemp.reduceByKey ( (x, y) => if (x > y) x else y )
- res.foreach ( tp => println ( "year:" + tp._1 + " temp:" + tp._2 ) )
- sc.stop ()
- }
- }
RDD实例的更多相关文章
- Spark RDD编程核心
一句话说,在Spark中对数据的操作其实就是对RDD的操作,而对RDD的操作不外乎创建.转换.调用求值. 什么是RDD RDD(Resilient Distributed Dataset),弹性分布式 ...
- Spark RDD 操作
1. Spark RDD 创建操作 1.1 数据集合 parallelize 可以创建一个能够并行操作的RDD.其函数定义如下: ) scala> sc.defaultParallelism ...
- spark streaming之三 rdd,job的动态生成以及动态调度
前面一篇讲到了,DAG静态模板的生成.那么spark streaming会在每一个batch时间一到,就会根据DAG所形成的逻辑以及物理依赖链(dependencies)动态生成RDD以及由这些RDD ...
- spark 源码分析之一 -- RDD的四种依赖关系
RDD的四种依赖关系 RDD四种依赖关系,分别是 ShuffleDependency.PrunDependency.RangeDependency和OneToOneDependency四种依赖关系.如 ...
- Spark入门实战系列--7.Spark Streaming(上)--实时流计算Spark Streaming原理介绍
[注]该系列文章以及使用到安装包/测试数据 可以在<倾情大奉送--Spark入门实战系列>获取 .Spark Streaming简介 1.1 概述 Spark Streaming 是Spa ...
- Spark Streaming揭秘 Day15 No Receivers方式思考
Spark Streaming揭秘 Day15 No Receivers方式思考 在前面也有比较多的篇幅介绍了Receiver在SparkStreaming中的应用,但是我们也会发现,传统的Recei ...
- spark 启动job的流程分析
从WordCount開始分析 编写一个样例程序 编写一个从HDFS中读取并计算wordcount的样例程序: packageorg.apache.spark.examples importorg.ap ...
- 《图解Spark:核心技术与案例实战》作者经验谈
1,看您有维护博客,还利用业余时间著书,在技术输出.自我提升以及本职工作的时间利用上您有没有什么心得和大家分享?(也可以包含一些您写书的小故事.)回答:在工作之余能够写博客.著书主要对技术的坚持和热爱 ...
- SparkStreaming流处理
一.Spark Streaming的介绍 1. 流处理 流式处理(Stream Processing).流式处理就是指源源不断的数据流过系统时,系统能够不停地连续计算.所以流式处理没有什么 ...
随机推荐
- 【算法学习笔记】RMQ问题与ST表
\(0.\) RMQ问题 P1816 人话翻译 给定一个长度为\(n\)的数列\(a\),然后有\(m\)组询问,每次询问一个区间\([l,r]\)的最小值. 其中\(m,n\leq10^5\) \( ...
- C# class 浅拷贝 与 深拷贝
MemberwiseClone 方法创建一个浅表副本,具体来说就是创建一个新对象,然后将当前对象的非静态字段复制到该新对象.如果字段是值类型的,则对该字段执行逐位复制.如果字段是引用类型,则复制引用但 ...
- Python numpy.ZIP 安装问题
今天在python上安装numpy,按照网上教程,安装pip,然后命令行直接:pip install numpy .但是一直因为资源问题下载失败. 后来下载了一个numpy-1.11.2.zip 安 ...
- css 命名规范 BEM
在项目的开发过程当中, 我们往往因为日益复杂的css代码而感到力不从心. 如何合理的组织css代码成为了我们前端开发过程中必须考虑到的环节. 在读element源代码的时候, 了解到了BEM的命名风格 ...
- union不支持orderByClause、clusterByClause、distributeByClause、sortByClause或limitClause
union all union 相同点 是 相当于上下拼接 上下两个拼接表必须字段保持一致 不同 union有去重效果,速度会更慢. ================================= ...
- wind本地MySQL数据到hive的指定路径,Could not create file
一:使用:kettle:wind本地MySQL数据到hive的指定路径二:问题:没有root写权限网上说的什么少jar包,我这里不存在这种情况,因为我自己是导入jar包的:mysql-connecto ...
- Spring Batch 4.2 新特性
Spring Batch 4.2 的发行版主要增强了下面的改进: 使用 Micrometer 来支持批量指标(batch metrics) 支持从 Apache Kafka topics 读取/写入( ...
- 2019暑假集训 windy数
题目描述 Windy 定义了一种 Windy 数:不含前导零且相邻两个数字之差至少为2的正整数被称为 Windy 数. Windy 想知道,在A和B之间,包括A和B,总共有多少个 Windy 数? 输 ...
- 快速乘(O(1))
inline long long multi(long long x,long long y,long long mod) { long long tmp=(x*y-(long long)((long ...
- [CSP-S模拟测试]:序列(二分答案+树状数组)
题目传送门(内部题98) 输入格式 第一行一个整数$n$,第二行$n$个整数$a_1\sim a_n$,第三行$n$个整数$b_1\sim b_n$. 输出格式 一行一个整数表示$\max(r-l+1 ...