6. RDD综合练习：更丰富的操作

一、集合运算练习

union()

intersection()

subtract()

cartesian()

二、内连接与外连接

join()

leftOuterJoin()

rightOuterJoin()

fullOuterJoin()

三、综合练习：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 scm.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（姓名课程，分数）RDD，观察keys(),values()

• 每个分数+20分。分别用mapValues(func)和 map(func)实现。并查看不及格人数的变化。

• 求每门课的选修人数及所有人的总分。combineByKey()

• 求每门课的选修人数及平均分，精确到2位小数。map()，round()

• 求每门课的选修人数及平均分。用reduceByKey()实现，并比较与combineByKey()的异同。

reduceByKey 用于对每个 key 对应的多个 value 进行 merge 操作，最重要的是它能够在本地先进行 merge 操作，并且 merge 操作可以通过函数自定义；

combineByKey是一个比较底层的算子
1.createCombiner():在遍历过程中，遇到新的键，就会调用createCombiner()函数。这个过程会发生在每一个分区内，因为RDD中有不同的分区，也就有同一个键调用多次createCombiner的情况。
2.mergeValue() 遇到已经重复的键，调用mergeValue()函数。
3.mergeCombiners() 如果有2个或者更多的分区，会把分区的结果合并。
4.pationer 分区函数（）

• 结果可视化。 pyecharts.charts,Bar()