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())
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
- 文件上传到hdfs中
- 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+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。
-
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的主要用法如下:
-
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)。
-
-
- 结果可视化。 pyecharts.charts,Bar()