用Spark做wordcount

#基于python的spark

#导入pyspark库

from pyspark import SparkContext

 

#配置SparkContext

sc = SparkContext('local','wordcount')

 

#创建一个新的RDD，加载本地文件

textFile = sc.textFile("file:///usr/local/spark/mycode/TestPackage/wordcount.txt")

 

#转换操作

#flatMap(func)：与map()相似，但每个输入元素都可以映射到0或多个输出结果

#map(func)：将每个元素传递到函数func中，并将结果返回为一个新的数据集

#reduceByKey(func)：应用于(K,V)键值对的数据集时，返回一个新的(K, V)形式的数据集，其中的每个值是将每个key传递到函数func中进行聚合

wordcount = textFile.flatMap(lambda line : line.split(" ")

).map(lambda word: (word,1)

).reduceByKey(lambda a, b : a+b)

 

#行动操作

#foreach(func) 将数据集中的每个元素传递到函数func中运行

wordcount.foreach(print)

 

 

结语:从代码和运行结果来看，Spark的代码比hadoop的代码简单了不止一倍，且运行时间也是非常的短