05 RDD编程

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)

代码：

lines = sc.textFile('file:///home/hadoop/chapter4-data01.txt')

course_rev = lines.map(lambda line:line.split(',')).map(lambda x:(x[1],(int(x[2]),1))).reduceByKey(lambda a,b:(a[0]+b[0],a[1]+b[1]))

course_rev.saveAsTextFile("file:///home/hadoop/out_url")

11. 词频结果可视化charts.WordCloud()

 问题描述：1. pip在Ubuntu系统中不自带；

　　　　　 2. python自带版本2.7.1

　　　　　 3. python最新版本与pip不匹配(可能出现)

问题解决： 1. sudo apt-get install python3-pip

　　　　　 2. python3.6 -m pip install --upgrade pip

　　　　　　 sudo update-alternatives --install /usr/bin/python python /usr/bin/python2.7 1

　　　　　　 sudo update-alternatives --install /usr/bin/python python /usr/bin/python3.6 2

　　　　　　 sudo update-alternatives --config python

12. 比较不同框架下（Python、MapReduce、Hive和Spark），实现词频统计思想与技术上的不同，各有什么优缺点.

二、学生课程案例分析

1.总共有多少学生？map(), distinct(), count()

 

2.开设了多少门课程？

 

3.每个学生选修了多少门课？map(), countByKey()

 

4.每门课程有多少个学生选？map(), countByValue()

 

5.Tom选修了几门课？每门课多少分？filter(), map() RDD

6.Tom选修了几门课？每门课多少分？map(),lookup()  list

7.Tom的成绩按分数大小排序。filter(), map(), sortBy()

 

8.Tom的平均分。map(),lookup(),mean()

 

9.生成（课程，分数）RDD，观察keys(),values()

10.每个分数+5分。mapValues(func)

11.求每门课的选修人数及所有人的总分。combineByKey()

12.求每门课的选修人数及平均分，精确到2位小数。map()，round()

13.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。