05 RDD编程
一、词频统计:
- 读文本文件生成RDD lines
- 将一行一行的文本分割成单词 words flatmap()
- 全部转换为小写 lower()
- 去掉长度小于3的单词 filter()
- 去掉停用词
- 转换成键值对 map()
- 统计词频 reduceByKey()
- 按字母顺序排序 sortBy(f)
- 按词频排序 sortByKey()
行动操作练习:
first() |
返回第一个元素 |
take(n) |
返回前n个元素 |
takeOrdered(n) |
返回排序后的前n个元素 |
top(n) |
返回最大的n个元素 |
collect() |
返回所有元素,列表 |
collectAsMap() |
返回所有元素的字典,MAP形式的串行化 |
count() |
返回元素个数 |
countByValue() |
返回每个元素重复个数,字典 |
countByKey() |
返回的是每一键组内的记录数,字典 |
lookup(key) |
返回某键值下的所有值,列表 |
二、学生课程分数案例
- 总共有多少学生?map(), distinct(), count()
- 开设了多少门课程?
- 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()
- 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()