作业六:RDD综合练习--更丰富的操作

1.集合运算练习

RDD转换操作
--union():并集
--intersection():交集
--subtract():差集
--cartesian():笛卡尔积


2.内连接与外连接

键值对RDD的内连接与外连接
--join():内连接
--leftOuterJoin():左外连接
--rightOuterJoin():右外连接
--fullOuterJoin():左右外连接


3.学生课程分数

  • 网盘下载sc.txt文件,通过RDD操作实现以下数据分析:

    • 持久化 data.cache()

    • 总共有多少学生?map(), distinct(), count()

    • 开设了多少门课程?

    • 生成(姓名,课程分数)键值对RDD,观察keys(),values()

    • 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()

    • 有多少个100分?

    • 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()

    • 生成(课程,分数)RDD,观察keys(),values()

    • 每个分数+20平时分
    • 分别用mapValues(func)和 map(func)实现
图1 mapValues(func)

图2 map(func)

    • 查看不及格人数的变化

    • 求每门课的选修人数及平均分
      • lookup(),np.mean()实现

      • reduceByKey()和collectAsMap()实现

      • combineByKey(),map(),round()实现,精确到2位小数

      • 比较几种方法的异同
  1. lookup(),np.mean()实现以及reduceByKey()和collectAsMap()实现在少量数据的时候可以通过循环来实现,但是过程比较麻烦,在大量数据的场合中不适用,并且也是不合理的。
  2. combineByKey(),map(),round()实现:
    2.1 createCombiner: V => C ,这个函数把当前的值作为参数,此时我们可以对其做些附加操作(类型转换)并把它返回 (这一步类似于初始化操作)
    2.2 mergeValue: (C, V) => C,该函数把元素V合并到之前的元素C(createCombiner)上 (这个操作在每个分区内进行)
    2.3 mergeCombiners: (C, C) => C,该函数把2个元素C合并 (这个操作在不同分区间进行)。
    综上可得,combineByKey(),map(),round()实现可以基于一条命令下完成所有操作,方便快捷,适用于大量数据的实际操作中。
posted @ 2022-04-07 00:26  *啥也不是*  阅读(57)  评论(0编辑  收藏  举报