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

 

 

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：

（1）空行

 

 

 

（2）少数据项

 

 

 

（3）缺失数据

 

 

 

2、支付金额转换为数值型，按支付金额排序

 

 

3、取出Top3