知名网站设计服务商,时尚类网站设计公司,互联网营销师是什么,wordpress 移动端主题目录 一、实验目的二、实验平台三、实验内容1.spark-shell 交互式编程2.编写独立应用程序实现数据去重3.编写独立应用程序实现求平均值问题 一、实验目的
1、熟悉 Spark 的 RDD 基本操作及键值对操作#xff1b; 2、熟悉使用 RDD 编程解决实际具体问题的方法
二、实验平台
… 目录 一、实验目的二、实验平台三、实验内容1.spark-shell 交互式编程2.编写独立应用程序实现数据去重3.编写独立应用程序实现求平均值问题 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
1、Scala 版本为 2.11.8。 2、操作系统linux推荐使用Ubuntu16.04。 3、Jdk版本1.7或以上版本。
三、实验内容
1.spark-shell 交互式编程
请到本教程官网的“下载专区”的“数据集”中下载 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 Tom,DataBase,80 Tom,Algorithm,50 Tom,DataStructure,60 Jim,DataBase,90 Jim,Algorithm,60 Jim,DataStructure,80 …… 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 1该系总共有多少学生
val lines sc.textFile(file:///usr/local/spark/mycode/rdd/data.txt)
val par lines.map(rowrow.split(,)(0))
val distinct_par par.distinct()
distinct_par.count2该系共开设来多少门课程 代码如下
val lines sc.textFile(file:///usr/local/spark/mycode/rdd/data.txt)
val par lines.map(rowrow.split(,)(1))
val distinct_par par.distinct()
distinct_par.count3Tom 同学的总成绩平均分是多少 代码如下
val lines sc.textFile(file:///usr/local/spark/mycode/rdd/data.txt)
val pare lines.filter(rowrow.split(,)(0)Tom)
pare.foreach(println)
pare.map(row(row.split(,)(0),row.split(,)(2).toInt)).mapValues(x(x,1)).reduceByKey((x,y
) (x._1y._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 代码如下
val lines sc.textFile(file:///usr/local/spark/mycode/rdd/data.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(println)5该系 DataBase 课程共有多少人选修 代码如下
val lines sc.textFile(file:///usr/local/spark/mycode/rdd/data.txt)
val pare lines.filter(rowrow.split(,)(1)DataBase)
pare.count 6各门课程的平均分是多少 代码如下
val lines sc.textFile(file:///usr/local/spark/mycode/rdd/data.txt)
val pare lines.map(row(row.split(,)(1),row.split(,)(2).toInt))
pare.mapValues(x(x,1)).reduceByKey((x,y) (x._1y._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。 代码如下
val lines sc.textFile(file:///usr/local/spark/mycode/rdd/data.txt)
val pare lines.filter(rowrow.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 sacla代码
import org.apache.spark.SparkContext
import org.apache.spark.SparkContext._
import org.apache.spark.SparkConf
import org.apache.spark.HashPartitioner
object task1 {def main(args: Array[String]) {val conf new SparkConf().setAppName(task2_1)val sc new SparkContext(conf)val dataFile file:///home/hadoop/input1/A.txt,file:///home/hadoop/input1/B.txt val res sc.textFile(dataFile,2) .filter(_.trim().length0).map(line(line.trim,)).partitionBy(new
HashPartitioner(1)).groupByKey().sortByKey().keys
res.saveAsTextFile(file:///home/hadoop/output1/result) }
}simple.sbt代码
name : RemDup
version : 1.0
scalaVersion : 2.11.8
libraryDependencies org.apache.spark %% spark-core % 2.1.03.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)
sacla代码
import org.apache.spark.SparkConf
import org.apache.spark.HashPartitioner
import org.apache.spark.SparkContext
import org.apache.spark.SparkContext._
object task2 {def main(args: Array[String]) {val conf new SparkConf().setAppName(AvgScore)val sc new SparkContext(conf)val dataFile file:///home/hadoop/input1/Algorithm.txt,file:///home/hadoop/input1/Database.txt,file:///home/hadoop/input1/Python.txt val data sc.textFile(dataFile,3)val res data.filter(_.trim().length0).map(line(line.split( )(0).trim(),line.split( )(1).trim().toInt)).partitionBy(new HashPartitioner(1)).groupByKey().map(x {var n 0var sum 0.0for(i - x._2){sum sum in n 1}val avg sum/nval formattedAvg f$avg%1.2f.toDouble(x._1, formattedAvg)})res.saveAsTextFile(file:///home/hadoop/output2/result) }
}simple.sbt代码
name : Simple Project
version : 1.0
scalaVersion : 2.11.8
libraryDependencies org.apache.spark %% spark-core % 2.1.0
