6. RDD综合练习：更丰富的操作

三、学生课程分数

持久化 stu.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。并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，确到2位小数

（课程，人数，平均分）

 

比较几种方法的异同：

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：

combineByKey(createCombiner,mergeValue,mergeCombiners)

createCombiner:在第一次遇到Key时创建组合器函数，将RDD数据集中的V类型值转换C类型值（V => C）；

mergeValue：合并值函数，再次遇到相同的Key时，将createCombiner的C类型值与这次传入的V类型值合并成一个C类型值（C,V）=>C

mergeCombiners:合并组合器函数，将C类型值两两合并成一个C类型值

 

多个考勤文件，签到日期汇总，出勤次数统计键值对RDD的内连接与外连接

join(), leftOuterJoin(), rightOuterJoin(), fullOuterJoin()