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,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

 

查看结果：

 

 

二、求Top值

上传文件到hdfs

1、丢弃不合规范的行：

分词：

 

处理空行、少数据项：

处理缺失数据：

2、支付金额转换为数值型，按支付金额排序

3、取出Top3