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。