寒假学习报告13
Posted baimafeima
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了寒假学习报告13相关的知识,希望对你有一定的参考价值。
实验 4 RDD 编程初级实践
一、实验目的
(1)熟悉 Spark 的 RDD 基本操作及键值对操作; (2)熟悉使用 RDD 编程解决实际具体问题的方法。
二、实验平台
操作系统:Ubuntu16.04 Spark 版本:2.1.0
三、实验内容和要求
1.spark-shell 交互式编程
下载 chapter5-data1.txt,该数据集包含 了某大学计算机系的成绩,数据格式如下所示:
请根据给定的实验数据,在 spark-shell 中通过编程来计算以下内容:
创建目录,将chapter5-data1.txt放在指定目录
(1)该系总共有多少学生;
scala> val lines = sc.textFile("file:///usr/local/sparkdata01/chapter5-data1.txt") scala> val par = lines.map(row=>row.split(",")(0)) scala> val distinct_par = par.distinct() scala> distinct_par.count
(2)该系共开设来多少门课程;
scala> val lines = sc.textFile("file:///usr/local/sparkdata01/chapter5-data1.txt") scala> val par = lines.map(row=>row.split(",")(1)) scala> val distinct_par = par.distinct() scala> distinct_par.count
(3)Tom 同学的总成绩平均分是多少;
val lines = sc.textFile("file:///usr/local/sparkdata01/chapter5-data1.txt") val pare = lines.filter(row=>row.split(",")(0)=="Tom") pare.map(row=>(row.split(",")(0),row.split(",")(2).toInt)).mapValues(x=>(x,1)).reduceByKey((x,y ) => (x._1+y._1,x._2 + y._2)).mapValues(x => (x._1 / x._2)).collect()
(4)求每名同学的选修的课程门数;
val lines = sc.textFile("file:///usr/local/sparkdata01/chapter5-data1.txt") val pare = lines.map(row=>(row.split(",")(0),row.split(",")(1))) pare.mapValues(x => (x,1)).reduceByKey((x,y) => (" ",x._2 + y._2)).mapValues(x => x._2).foreach(print)
(5)该系 DataBase 课程共有多少人选修;
val lines = sc.textFile("file:///usr/local/sparkdata01/chapter5-data1.txt") val pare = lines.filter(row=>row.split(",")(1)=="DataBase") pare.count
(6)各门课程的平均分是多少;
val lines = sc.textFile("file:///usr/local/sparkdata01/chapter5-data1.txt") val pare = lines.map(row=>(row.split(",")(1),row.split(",")(2).toInt)) pare.mapValues(x=>(x,1)).reduceByKey((x,y) => (x._1+y._1,x._2 + y._2)).mapValues(x => (x._1/ x._2)).collect()
(7)使用累加器计算共有多少人选了 DataBase 这门课。
val lines = sc.textFile("file:///usr/local/sparkdata01/chapter5-data1.txt") val pare = lines.filter(row=>row.split(",")(1)=="DataBase").map(row=>(row.split(",")(1),1)) val accum = sc.longAccumulator("My Accumulator") pare.values.foreach(x => accum.add(x)) accum.value
2.编写独立应用程序实现数据去重
对于两个输入文件 A 和 B,编写 Spark 独立应用程序,对两个文件进行合并,并剔除其 中重复的内容,得到一个新文件 C。下面是输入文件和输出文件的一个样例,供参考。 输入文件 A 的样例如下:
20170101 x
20170102 y
20170103 x
20170104 y
20170105 z
20170106 z
输入文件 B 的样例如下:
20170101 y
20170102 y
20170103 x
20170104 z
20170105 y
根据输入的文件 A 和 B 合并得到的输出文件 C 的样例如下:
20170101 x
20170101 y
20170102 y
20170103 x
20170104 y
20170104 z
20170105 y
20170105 z
20170106 z
import org.apache.spark.SparkContext import org.apache.spark.SparkContext._ import org.apache.spark.SparkConf import org.apache.spark.HashPartitioner object RemDup{ def main(args: Array[String]) { val conf = new SparkConf().setAppName("RemDup") val sc = new SparkContext(conf) val dataFile ="file:///usr/local/sparkdata01/A.txt,file:///usr/local/sparkdata01/B.txt" val data = sc.textFile(dataFile,2) val res = data.filter(_.trim().length>0).map(line=>(line.trim,"")).partitionBy(new HashPartitioner(1)).groupByKey().sortByKey().keys res.saveAsTextFile("result") } }
3.编写独立应用程序实现求平均值问题
每个输入文件表示班级学生某个学科的成绩,每行内容由两个字段组成,第一个是学生 名字,第二个是学生的成绩;编写 Spark 独立应用程序求出所有学生的平均成绩,并输出到 一个新文件中。下面是输入文件和输出文件的一个样例,供参考。
Algorithm 成绩:
小明 92
小红 87
小新 82
小丽 90
Database 成绩:
小明 95
小红 81
小新 89
小丽 85
Python 成绩:
小明 82
小红 83
小新 94
小丽 91
平均成绩如下:
(小红,83.67)
(小新,88.33)
(小明,89.67)
(小丽,88.67)
import org.apache.spark.SparkContext import org.apache.spark.SparkContext._ import org.apache.spark.SparkConf import org.apache.spark.HashPartitioner object avgscore { def main(args: Array[String]) { val conf = new SparkConf().setAppName("AvgScore") val sc = new SparkContext(conf) val dataFile = "file:///usr/local/sparkdata01/1.txt,file:///usr/local/spark/sparklab/lab043/2.txt,file:///usr/local/sparkdata01/3.txt" val data = sc.textFile(dataFile,3) var score = data.map(line=>(line.split(" ")(0),line.split(" ")(1).toInt)).mapValues(x=>(x,1)).reduceByKey((x,y)=>(x._1+y._1,x._2+y._2)).mapValues(x=>(x._1/x._2)).collect().foreach(println) //res.saveAsTextFile("result") } }
以上是关于寒假学习报告13的主要内容,如果未能解决你的问题,请参考以下文章