5.RDD操作综合实例

一、词频统计

A. 分步骤实现

1.准备文件

　　下载小说或长篇新闻稿

　　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。

 准备文件

 

 

丢弃不合规范的行：

空行

少数据项

缺失数据        

 

 

支付金额转换为数值型，按支付金额排序

 

取出Top3