5.RDD操作综合实例

一、词频统计

A. 分步骤实现

1.准备文件

　　1.下载小说或长篇新闻稿

 

　　2.上传到hdfs上

 

 

2.读文件创建RDD

 

 

3.分词

 

 

4.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()，筛选出不在停用表中的词

 

   长度小于2的词filter()

 

 筛选前后对比

 

 

5.统计词频

　　全文统计

 

 　　　相同单词统计

 

 

6.按词频排序

 

 

7.输出到文件

 

 

8.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。

 

 

1. 丢弃不合规范的行：
   • 空行
   • 少数据项
   • 缺失数据
   • 

     

      

      

2. 支付金额转换为数值型，按支付金额排序

 

 

　　 3.取出Top