5.RDD操作综合实例
2024-10-20 03:30:44
一、词频统计
A. 分步骤实现
1.准备文件
(1)下载小说或长篇新闻稿
(2)上传到hdfs上
2.读文件创建RDD
3.分词
4.
·排除大小写lower(),map()
·标点符号re.split(pattern,str),flatMap(),
·停用词,可网盘下载stopwords.txt,filter(),
对比一下
·长度小于2的词filter()
5.统计词频
6.按词频排序
7.输出到文件
8.查看结果
B. 一句话实现:文件入文件出
C. 和作业2的“二、Python编程练习:英文文本的词频统计 ”进行比较,理解Spark编程的特点。
二、求Top值
网盘下载payment.txt文件,通过RDD操作实现选出最大支付额的用户。
1.丢弃不合规范的行:
·空行
·少数据项
·缺失数据
2、按支付金额排序
3、取出Top3
最新文章
- [Erlang 0104] 当Erlang遇到Solr
- java8中的map和reduce
- Hybrid框架UI重构之路:四、分而治之
- Leetcode Perfect Square
- GCD工作单元
- System.Threading.Timer使用心得
- linux 安装phpMyAdmin
- socket 网摘
- gradle下载(转)
- 伪异步IO理解
- SQLServer 存储过程嵌套事务处理
- 解题报告8VC Venture Cup 2017 - Elimination Round
- 转:Web安全与Rational AppScan入门
- python基础-列表(7)
- 二十五、Linux 进程与信号---exec函数
- 用python在后端将数据写入到数据库并读取
- 51nod1158 最大子矩形 单调栈应用
- (整理)MySQL_REHL6.5 MySQL5.5 中文支持问题
- 【AtCoder010】A - Addition(奇偶)
- MySQL_help语句(不定时更新)