05 RDD编程2

标签：atm   多少   nbsp   排序   个学生   词频统计   图片   code   lines   

一、词频统计：

1.读文本文件生成RDD lines

2.将一行一行的文本分割成单词 words flatmap()

3.全部转换为小写 lower()

4.去掉长度小于3的单词 filter()

5.去掉停用词

6.转换成键值对 map()

7.统计词频 reduceByKey()

8.按字母顺序排序 sortBy(f)

9.按词频排序 sortByKey()

二、学生课程分数案例

• 总共有多少学生？map(), distinct(), count()
• 开设了多少门课程？

• 每个学生选修了多少门课？map(), countByKey()

• 每门课程有多少个学生选？map(), countByValue()

• Tom选修了几门课？每门课多少分？filter(), map() RDD\
• Tom的成绩按分数大小排序。filter(), map(), sortBy()

• Tom选修了几门课？每门课多少分？map(),lookup()  list
• Tom的平均分。map(),lookup(),mean()

05 RDD编程2

标签：atm   多少   nbsp   排序   个学生   词频统计   图片   code   lines   

原文地址：https://www.cnblogs.com/ttkaixin/p/14674839.html