5.RDD操作综合实例
2022/4/7 6:20:16
本文主要是介绍5.RDD操作综合实例,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
5.RDD操作综合实例
一、词频统计
A. 分步骤实现
1、准备文件
分词
排除大小写lower(),map()
.标点符号re.split(pattern,str),flatMap(),
先导入re然后用re.split分词(\W+会匹配所有非单词字符,(\W+)会返回这些,但我们不需要返回,所以这里用\W+即可)
停用词,可网盘下载stopwords.txt,filter(),
将停用词文件分词储存到变量中
筛选出不在停用表中的词
长度小于2的词filter()
5.统计词频
先把单词映射成键值对
将key相同的values合并起来,做词频的统计
6.按词频排序
用sortBy进行词频的排序(对values值进行降序排序,并且指定区块数量为1,以方便查文件)
7.输出到文件
分别输出到本地文件和分布式文件上
8.查看结果
查看文件前15条结果是否正确即可
B. 一句话实现:文件入文件出
查看文件
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。
-
下载项目,将项目put到分布式系统上
读取文件,进行分词和去标点操作
将金额映射成KV值相同的键值对,注意把values值映射的时候设置为int值
然后对键值对进行累加统计和排序
输出到文件并查看结果
所以获取最大支付额的用户就是7890的用户了
这篇关于5.RDD操作综合实例的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-06-26结对编程到底难不难?答案在这里
- 2024-06-19《2023版Java工程师》课程升级公告
- 2024-06-15matplotlib作图不显示3D图,怎么办?
- 2024-06-1503-Loki 日志监控
- 2024-06-1504-让LLM理解知识 -Prompt
- 2024-06-05做软件测试需要懂代码吗?
- 2024-06-0514-ShardingSphere的分布式主键实现
- 2024-06-03为什么以及如何要进行架构设计权衡?
- 2024-05-31全网首发第二弹!软考2024年5月《软件设计师》真题+解析+答案!(11-20题)
- 2024-05-31全网首发!软考2024年5月《软件设计师》真题+解析+答案!(21-30题)