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,可网盘下载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

 

二、求Top值

网盘下载payment.txt文件，通过RDD操作实现选出最大支付额的用户。

 

1、丢弃不合规范的行：

　　空行

　　少数据项

　　缺失数据

2、按支付金额排序

3、取出Top3