05 RDD

一、词频统计：

1. 读文本文件生成RDD lines
2. 将一行一行的文本分割成单词 words flatmap()
3. 全部转换为小写 lower()
4. 去掉长度小于3的单词 filter()
5. 去掉停用词
6. 转换成键值对 map()
7. 统计词频 reduceByKey()

 

 

 

 

 

 

 

 

 

8.按字母顺序排序 sortBy(f)

 

 

9.按词频排序 sortByKey()

 

 

10.结果文件保存 saveAsTextFile(out_url)

 

• 二、学生课程分数案例

  • 总共有多少学生？map(), distinct(), count()
  • • 
  • 开设了多少门课程？
  • 
  • 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()
  • 
  • 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()
  •