IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 大数据 -> spark场景练习题 -> 正文阅读

[大数据]spark场景练习题

第一题:

给定一组键值对("spark",2),("hadoop",6),("hadoop",4),("spark",6),键值对的key表示图书名称,value表示某天图书销量,请计算每个键对应的平均值,也就是计算每种图书的每天平均销量。

val rdd = sc.makeRDD(Array(("spark",2),("hadoop",6),("hadoop",4),("spark",6)))
object Work03 {
  def main(args: Array[String]): Unit = {
    val upAndDown: SparkConf = new SparkConf().setMaster("local[*]").setAppName("Work3")
    val sc = new SparkContext(upAndDown)
    val rdd = sc.makeRDD(Array(("spark",2),("hadoop",6),("hadoop",4),("spark",6)))
    val tuples: Array[(String, Int)] = rdd.map(x => {
      (x._1, (x._2, 1))
    }).reduceByKey((x, y) => {
      (x._1 + y._1, x._2 + y._2)
    }).map(x => {
      (x._1, x._2._1 / x._2._2)
    }).collect()
    tuples.foreach(println)
  }
}

2、Super WordCount

要求:按照count值降序显示前50行数据,将word转换成小写,去除标点符号,去除停用词。备注:标点符号、停用词自定义【什么是停用词,见百度】。
object Work03 {
  def main(args: Array[String]): Unit = {
    val upAndDown: SparkConf = new SparkConf().setMaster("local[*]").setAppName("Work3")
    val sc = new SparkContext(upAndDown)
    val rdd: RDD[String] = sc.textFile("datas/words.txt")
    var tyc = List("a","an")
    val value: RDD[String] = rdd.map(str => {
      var str1: String = str.replace(",", " ").replace(".", " ")
      str1
    })
    val value2: RDD[(String, Int)] = value.flatMap(_.split(" ")).filter(x => {
      !tyc.contains(x)
    }).map(x => {
      (x.toLowerCase, 1)
    }).reduceByKey(_ + _)
    val tuples: RDD[(String, Int)] =value2.sortBy(_._2, false)
    val tuples1: Array[(String, Int)] = tuples.collect()
    tuples1.foreach(println)

    tuples.foreach(println)
  }
}

3、广告统计案例

数据格式: timestamp   province   city	userid	adid
            时间点    省份	 城市   用户    广告

用户ID范围:0-99;省份,城市,ID相同:0-9;adid:0-19
需求:
1、统计每一个省份点击TOP3的广告ID
2、统计每一个省份每一个小时的TOP3广告ID 



需求一参考答案:
(Hunan,List((5,2273), (1,2202), (2,2193)))
(Hebei,List((7,2250), (8,2240), (3,2234)))
(Henan,List((6,2287), (0,2237), (4,2201)))
(Hubei,List((8,2289), (6,2241), (2,2237)))
(Jiangsu,List((7,2250), (3,2199), (6,2192)))

需求二参考答案:
((0,Hubei),List((8,2289), (6,2241), (2,2237)))
((0,Hunan),List((5,2273), (1,2202), (2,2193)))
((0,Henan),List((6,2287), (0,2237), (4,2201)))
((0,Jiangsu),List((7,2250), (3,2199), (6,2192)))
((0,Hebei),List((7,2250), (8,2240), (3,2234)))
object Work03 {
  def main(args: Array[String]): Unit = {
    val upAndDown: SparkConf = new SparkConf().setMaster("local[*]").setAppName("aaa")
    val sc = new SparkContext(upAndDown)
    val value: RDD[String] = sc.textFile("datas/Advert.log")
    val result = value.map(x => {
      val strings: Array[String] = x.split("\t")
      (strings(1), (strings(4), 1))
    }).groupByKey().map((x) => {
      (x._1,x._2.groupBy(_._1).map((a) => {
        (a._1, a._2.size)
      }))

    }).map((x)=>{
      (x._1,x._2.toList.sortBy(x=>{
        x._2
      }).reverse.take(3))
    }).collect()
    result.foreach(println)
  }
}

需求二:

object Work03 {
  def main(args: Array[String]): Unit = {
    val format = new SimpleDateFormat("yyyy-MM-dd HH")
    val upAndDown: SparkConf = new SparkConf().setMaster("local[*]").setAppName("abc")
    val sc = new SparkContext(upAndDown)
    val value: RDD[String] = sc.textFile("datas/Advert.log")
    val result: Array[((String, String), List[(String, Int)])] = value.map(x => {
      val strings: Array[String] = x.split("\t")
      ((format.format(new Date(strings(0).toLong)), strings(1)), (strings(4), 1))
    }).groupBy(_._1).map((x) => {
      (x._1, x._2.map(_._2).groupBy(_._1).map((y) => {
        (y._1, y._2.size)
      }))
    }).map((x) => {
      (x._1, x._2.toList.sortBy(_._2).reverse.take(3))
    }).collect()
    result.foreach(println)
  }
}
  大数据 最新文章
实现Kafka至少消费一次
亚马逊云科技:还在苦于ETL?Zero ETL的时代
初探MapReduce
【SpringBoot框架篇】32.基于注解+redis实现
Elasticsearch:如何减少 Elasticsearch 集
Go redis操作
Redis面试题
专题五 Redis高并发场景
基于GBase8s和Calcite的多数据源查询
Redis——底层数据结构原理
上一篇文章      下一篇文章      查看所有文章
加:2021-10-20 12:33:20  更:2021-10-20 12:35:18 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/24 3:12:32-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码