Spark学习—统计文件单词出现次数
来源:互联网 发布:怎么下载网络倾听者app 编辑:程序博客网 时间:2024/06/01 09:38
上一节我们简单介绍了RDD中转化和执行操作的用法,本节将通过一个具体的示例来加深对RDD的认识。
一.需求
统计本地文件中单词出现次数
二.操作流程
1.读取外部文件创建JavaRDD;
2.通过flatMap转化操作切分字符串,获取单词新JavaRDD;
3.通过mapToPair,以key为单词,value统一为1的键值JavaPairRDD;
4.通过reduceByKey,累计叠加每个key,统计单词出现次数;
三.代码实现
package com.lm.sparkLearning.rdd;import java.util.Arrays;import org.apache.spark.api.java.JavaPairRDD;import org.apache.spark.api.java.JavaRDD;import org.apache.spark.api.java.JavaSparkContext;import org.apache.spark.api.java.function.FlatMapFunction;import org.apache.spark.api.java.function.Function2;import org.apache.spark.api.java.function.PairFunction;import org.apache.spark.api.java.function.VoidFunction;import org.slf4j.Logger;import org.slf4j.LoggerFactory;import com.lm.sparkLearning.utils.SparkUtils;import scala.Tuple2;/** * word文件单词出现个数计算 * * @author dlm * */public class WordCountCalcLearing {private static Logger logger = LoggerFactory.getLogger(WordCountCalcLearing.class);public static void main(String[] args) {JavaSparkContext jsc = SparkUtils.getJavaSparkCOntext("WordCountSpark", "local[2]", "WARN");JavaRDD<String> wordRdd = SparkUtils.createRddExternal(jsc, "D:/README.txt");wordCountCal(wordRdd);jsc.stop();}/** * wordRdd统计计算逻辑 * * @param wordRdd */public static void wordCountCal(JavaRDD<String> wordRdd) {// 将整个字符串根据空格分隔成单词JavaRDD<String> wordFlatMap = wordRdd.flatMap(new FlatMapFunction<String, String>() {/** * */private static final long serialVersionUID = 1L;@Overridepublic Iterable<String> call(String t) throws Exception {return Arrays.asList(t.split("[^a-zA-Z']+"));}});// 将每个单词映射次数为1JavaPairRDD<String, Integer> wordMapToPair = wordFlatMap.mapToPair(new PairFunction<String, String, Integer>() {/** * */private static final long serialVersionUID = 1L;@Overridepublic Tuple2<String, Integer> call(String t) throws Exception {return new Tuple2<String, Integer>(t, 1);}});// 将每个重复key的value相加JavaPairRDD<String, Integer> wordReduceByKey = wordMapToPair.reduceByKey(new Function2<Integer, Integer, Integer>() {/** * */private static final long serialVersionUID = 1L;@Overridepublic Integer call(Integer v1, Integer v2) throws Exception {return v1 + v2;}});// 输出统计结果wordReduceByKey.sortByKey().foreach(new VoidFunction<Tuple2<String, Integer>>() {/** * */private static final long serialVersionUID = 1L;@Overridepublic void call(Tuple2<String, Integer> t) throws Exception {logger.warn("key:" + t._1 + ",value:" + t._2);}});}}
四.下载代码
代码地址:http://download.csdn.net/detail/a123demi/9840519
OSChina : http://git.oschina.net/a123demi/sparklearning
0 0
- Spark学习—统计文件单词出现次数
- linux 统计文件中单词出现次数
- 统计单词出现次数
- 统计单词出现的次数
- 统计单词出现的次数
- 统计单词出现的次数
- 统计单词出现的次数。
- 一道笔试题:统计文件中的单词出现次数
- 统计文件中某个单词出现的次数
- 统计文件中某个单词出现的次数
- Hadoop 统计文件中某个单词出现的次数
- 统计输出某个文件中每个单词出现的次数
- 统计文件中每个单词的出现次数
- 用python统计文件中各个单词出现的次数
- java按单词出现次数统计单词
- 统计一篇英文文件中,单词出现的次数,并按单词的长度进行排序
- 统计英文文件中单词数和各单词出现的频率(次数)
- 统计单词出现的次数并按单词出现的次数顺序输出单词及其次数
- 实现KNN(K近邻平滑滤波器)
- go语言之数组和切片的一些用法比较
- openssl speed md5 测试md5的performance
- C++ const
- 5/12 cnn 手写字体识别代码学习笔记
- Spark学习—统计文件单词出现次数
- Playrix Codescapes Cup (Codeforces Round #413, rated, Div. 1 + Div. 2) C Fountains 乱搞
- Android应用第一次安装成功点击“打开”后Home键切出应用后再点击桌面图标返回导致应用重启问题
- computed与methods的异同
- 从源码来看ItemTouchHelper实现RecyclerView列表的拖拽和侧滑
- 调度脚本
- unsigned和signed、const和define的区别
- java将数据库结果集封装成Map, java获取数据库字段
- Mysql5.7 的一些特点