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

　　启动hadoop

　　

 　　上传文件

　　

　　查看文件

　　

 　　关闭hadoop

　　

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()，

   排除在停用词内的词语

   长度小于2的词filter()

5.统计词频

 累加

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