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()，

长度小于2的词filter()

5.统计词频

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.按支付金额排序

3.取出Top3