5 RDD编程

05 RDD编程

 

一、词频统计：

读文本文件生成RDD lines

将一行一行的文本分割成单词 words flatmap()

全部转换为小写 lower()

去掉长度小于3的单词 filter()
去掉停用词

 

 

 

转换成键值对 map()

统计词频 reduceByKey()

按字母顺序排序 sortBy(f)

按词频排序 sortByKey()

 

 

结果文件保存 saveAsTextFile(out_url)

 

 

二、学生课程分数案例

总共有多少学生？map(), distinct(), count()

开设了多少门课程？

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()

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()