6. RDD综合练习：更丰富的操作

集合运算练习

union()， intersection()，subtract(), cartesian()

 

三、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 scm.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。
  并查看不及格人数的变化。
  变化前不及格人数
  

   

   

   

   

   

  

   

  • 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，确到2位小数
      

       

       

    • 比较几种方法的异同。
      

      reduceByKey 用于对每个 key 对应的多个 value 进行 merge 操作，最重要的是它能够在本地先进行 merge 操作，并且 merge 操作可以通过函数自定义；

      CombineByKey是一个比较底层的算子：

      combineByKey(createCombiner,mergeValue,mergeCombiners)

      createCombiner:在第一次遇到Key时创建组合器函数，将RDD数据集中的V类型值转换C类型值（V => C）；

      mergeValue：合并值函数，再次遇到相同的Key时，将createCombiner的C类型值与这次传入的V类型值合并成一个C类型值（C,V）=>C

      mergeCombiners:合并组合器函数，将C类型值两两合并成一个C类型值

   

  多个考勤文件，签到日期汇总，出勤次数统计

  键值对RDD的内连接与外连接

  join(), leftOuterJoin(), rightOuterJoin(), fullOuterJoin()
  
  
  

•