RDD综合练习：更丰富的操作

集合运算练习

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

 

rdd1.union(rdd2).collect()
rdd1.intersection(rdd2).collect()
rdd1.subtract(rdd2).collect()
rdd1.cartesian(rdd2).collect()

内连接与外连接

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

多个考勤文件，签到日期汇总，出勤次数统计

rdd1 = sc.parallelize([('cjh01','01'),('cjh02','02'),('cjh03','03')])
rdd2 = sc.parallelize([('cjh02','04'),('cjh03','05'),('cjh04','06')])
rdd1.join(rdd2).collect()
rdd1.leftouterJoin(rdd2).collect()
rdd1.rightOuterJoin(rdd2).collect()
rdd1.fullOuterJoin(rdd2).collect()

三、综合练习：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:

 

jps
cd /usr/local/hadoop/
./sbin/start-dfs.sh
./bin/hadoop fs -ls
hdfs dfs -put /home/hadoop/sc.txt /user/hadoop
hdfs dfs -ls

• 持久化 scm.cache()
• 
• 总共有多少学生？map(), distinct(), count()
• 
• 开设了多少门课程？
• 

  scm.map(lambda x:x[1]).distinct().count()

• 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()
• 

  name.filter(lambda x:x[0]=='Tom').values().sortBy(lambda x:x[1],False,1).foreach(print)

• 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。
• 
• 结果可视化。 pyecharts.charts,Bar()
•