RDD编程

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()

 

 

 

• 生成（课程，分数）RDD，观察keys(),values()

 

 

• 每个分数+5分。mapValues(func)

 

 

• 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。