09、高级编程之基于排序机制的wordcount程序
2023-09-27 14:21:54 时间
package sparkcore.java;
import java.util.Arrays;
import java.util.Iterator;
import org.apache.spark.SparkConf;
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 scala.Tuple2;
/**
* 排序的wordcount程序:根据单词出现的次数进行排序
*/
public class SortWordCount {
public static void main(String[] args) {
// 创建SparkConf和JavaSparkContext
SparkConf conf = new SparkConf().setAppName("SortWordCount").setMaster("local");
JavaSparkContext sc = new JavaSparkContext(conf);
// 创建lines RDD
JavaRDD<String> lines = sc.textFile("test.txt");
// 执行我们之前做过的单词计数
JavaRDD<String> words = lines.flatMap(new FlatMapFunction<String, String>() {
private static final long serialVersionUID = 1L;
@Override
public Iterator<String> call(String t) throws Exception {
return Arrays.asList(t.split(" ")).iterator();
}
});
JavaPairRDD<String, Integer> pairs = words.mapToPair(
new PairFunction<String, String, Integer>() {
private static final long serialVersionUID = 1L;
@Override
public Tuple2<String, Integer> call(String t) throws Exception {
return new Tuple2<String, Integer>(t, 1);
}
});
JavaPairRDD<String, Integer> wordCounts = pairs.reduceByKey(
new Function2<Integer, Integer, Integer>() {
private static final long serialVersionUID = 1L;
@Override
public Integer call(Integer v1, Integer v2) throws Exception {
return v1 + v2;
}
});
// 到这里为止,就得到了每个单词出现的次数
// 但是,问题是,我们的新需求,是要按照每个单词出现次数的顺序,降序排序
// wordCounts RDD内的元素是什么?应该是这种格式的吧:(hello, 3) (you, 2)
// 我们需要将RDD转换成(3, hello) (2, you)的这种格式,才能根据单词出现次数进行排序把!
// 进行key-value的反转映射
JavaPairRDD<Integer, String> countWords = wordCounts.mapToPair(
new PairFunction<Tuple2<String, Integer>, Integer, String>() {
private static final long serialVersionUID = 1L;
@Override
public Tuple2<Integer, String> call(Tuple2<String, Integer> t) throws Exception {
return new Tuple2<Integer, String>(t._2, t._1);
}
});
// 按照key进行排序。注:其实可以使用sortBy()函数来根据自定义排序规则来进行排序,而不用像这里在排序前后进行Key与Value对调
JavaPairRDD<Integer, String> sortedCountWords = countWords.sortByKey(false);
// 再次将value-key进行反转映射
JavaPairRDD<String, Integer> sortedWordCounts = sortedCountWords.mapToPair(
new PairFunction<Tuple2<Integer, String>, String, Integer>() {
private static final long serialVersionUID = 1L;
@Override
public Tuple2<String, Integer> call(Tuple2<Integer, String> t) throws Exception {
return new Tuple2<String, Integer>(t._2, t._1);
}
});
// 到此为止,我们获得了按照单词出现次数排序后的单词计数
// 打印出来
sortedWordCounts.foreach(new VoidFunction<Tuple2<String, Integer>>() {
private static final long serialVersionUID = 1L;
@Override
public void call(Tuple2<String, Integer> t) throws Exception {
System.out.println(t._1 + " : " + t._2);
}
});
// 关闭JavaSparkContext
sc.close();
}
}
package sparkcore.scala
import org.apache.spark.SparkConf
import org.apache.spark.SparkContext
object SortWordCount {
def main(args: Array[String]) {
val conf = new SparkConf()
.setAppName("SortWordCount")
.setMaster("local")
val sc = new SparkContext(conf)
val lines = sc.textFile("test.txt", 1)
val words = lines.flatMap { line => line.split(" ") }
val pairs = words.map { word => (word, 1) }
val wordCounts = pairs.reduceByKey(_ + _)
val countWords = wordCounts.map(wordCount => (wordCount._2, wordCount._1))
val sortedCountWords = countWords.sortByKey(false)
val sortedWordCounts = sortedCountWords.map(sortedCountWord => (sortedCountWord._2, sortedCountWord._1))
sortedWordCounts.foreach(sortedWordCount => println(sortedWordCount._1 + " : " + sortedWordCount._2))
}
}相关文章
- C# Window编程随记——ClickOnce程序部署
- 【微信小程序】-- 生命周期(二十八)
- 【微信小程序】-- 页面导航 -- 声明式导航(二十二)
- 程序人生:如果纯做业务测试的话,在测试行业有出路吗?
- Aleo隐私智能合约编程__第三章__Aleo Leo的Hello World程序
- C++MFC编程笔记day01 MFC介绍、创建MFC程序和重写消息处理
- Python网络编程 - 一个简单的客户端Get请求程序
- 《Haskell函数式编程入门》—— 第1章,第1.5节第一个Haskell程序HelloWorld!
- 《编程珠玑(第2版•修订版)》—第2章2.8节变位词程序的实现(边栏)
- 《趣学Python——教孩子学编程》——1.4 保存Python程序
- Android JNI编程(七)——使用AndroidStudio编写第一个JNI程序
- 《Python编程实战:运用设计模式、并发和程序库创建高质量程序》—— 1.2 建造者模式
- 《Python编程实战:运用设计模式、并发和程序库创建高质量程序》—— 1.3 工厂方法模式
- 《Python编程实战:运用设计模式、并发和程序库创建高质量程序》—— 1.4 原型模式
- 《Python编程实战:运用设计模式、并发和程序库创建高质量程序》—— 导读
- python 同时运行两个程序
- 程序、编程与三论
- C语言程序内存的分区
- Vue和微信小程序区别
- 《Python语言程序设计》——第一部分 程序设计基础 第1章计算机、程序和Python概述1.1 引言
- 《从问题到程序:用Python学编程和计算》——第3章 基本编程技术 3.1 循环程序设计
- C++编程——程序的内存模型
- linux c 编程 ------ 程序入口参数,即 main 参数
- Swift - 让程序挂起后,能在后台继续运行任务
- ARM裸机程序 vs ARM-Linux程序