scala 编写wordCount

Posted 2020-09-02 薛定谔的猫！

加载文件

 

scala> var f1=sc.textFile("/tmp/dataTest/followers.txt")

scala> f1.flatMap(x=>x.split("-")).map((_,1)).collect //每个数字以‘-‘分割，并数字为key，给每个key赋值1
res10: Array[(String, Int)] = Array((2,1), (1,1), (4,1), (1,1), (1,1), (2,1), (6,1), (3,1), (7,1), (3,1), (7,1), (6,1), (6,1), (7,1), (3,1), (7,1))

 

reduceByKey(_+_).collect 将key相同元素合并（4出现一次，7出现4次，6出现3次，2出现2次，3出现3次，1出现3次）

scala> f1.flatMap(x=>x.split("-")).map((_,1)).reduceByKey(_+_).collect
res12: Array[(String, Int)] = Array((4,1), (7,4), (6,3), (2,2), (3,3), (1,3))

 

这个方法也是同样效果

scala> f1.flatMap(x=>x.split("-")).map((_,1)).reduceByKey((x,y)=>x+y).collect

res18: Array[(String, Int)] = Array((4,1), (7,4), (6,3), (2,2), (3,3), (1,3))

 

 

对出现的次数进行排序

sortByKey

scala> var resText=f1.flatMap(x=>x.split("-")).map((_,1)).reduceByKey(_+_).map(x=>(x._2,x._1)).sortByKey(false).map(x=>(x._2,x._1))
resText: org.apache.spark.rdd.RDD[(String, Int)] = MapPartitionsRDD[39] at map at <console>:26

对出现的次数进行排序，所以要先将元素的第二个元组和第一个元组互换位置map(x=>(x._2,x._1))，这样出现的次数就成了key,然后再对key进行排序sortByKey(false)

再对排序后的结果，再一次的对他们的元组进行互换位置（次数，单词）换后（单词，次数）map(x=>(x._2,x._1))

互换位置也可以使用下面方式，

例

1. map{case (x._1, x._2) => (x._2, x._1)}.sortByKey(false)

 

false:从大到小 降序

true：小小到大 升序

 

 

将结果保存到hdfs

scala> resText.saveAsTextFile("/tmp/out/res")

 查看结果

[[email protected] node4]# hdfs dfs -cat /tmp/out/res/part-00000
(7,4)
(6,3)
(3,3)
(1,3)
(2,2)
(4,1)
[[email protected] node4]#