6. RDD综合练习：更丰富的操作

集合运算练习

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

 

 

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

 

 

 

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:

　　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（姓名课程，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。

 

 

 

 

 

　　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。

其他几种是对key的value进行merge操作，在一个(K,V)的RDD上调用，返回一个(K,V)的RDD，使用指定的reduce函数，将相同key的值聚合到一起，与groupByKey类似，reduce任务的个数可以通过第二个可选的参数来设置，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；

　　　　而combineByKey()的主要用法是：createCombiner: V => C ，这个函数把当前的值作为参数，此时我们可以对其做些附加操作(类型转换)并把它返回 (这一步类似于初始化操作)；mergeValue: (C, V) => C，该函数把元素V合并到之前的元素C(createCombiner)上 (这个操作在每个分区内进行)；mergeCombiners: (C, C) => C，该函数把2个元素C合并 (这个操作在不同分区间进行)。