1.spark-shell 交互式编程
(1) 该系总共有多少学生;
(2) 该系共开设来多少门课程;
(3) Tom 同学的总成绩平均分是多少;
(4) 求每名同学的选修的课程门数;
(5) 该系 DataBase 课程共有多少人选修
(6) 各门课程的平均分是多少;
2.编写独立应用程序实现数据去重:
对于两个输入文件 A 和 B,编写 Spark 独立应用程序,对两个文件进行合并,并剔除其 中重复的内容,得到一个新文件 C
代码:
新建scala文件
写入一下代码
import org.apache.spark.SparkContext
import org.apache.spark.SparkContext._
import org.apache.spark.SparkConf
import org.apache.spark.HashPartitioner
object RemDup {
def main(args: Array[String]) {
val conf = new SparkConf().setAppName("RemDup")
val sc = new SparkContext(conf)
val dataFile = "file:///home/charles/data"
val data = sc.textFile(dataFile,2)
val res = data.filter(_.trim().length>0).map(line=>(line.trim,"")).partitionBy(new HashPartitioner(1)).groupByKey().sortByKey().keys res.saveAsTextFile("result")
}
}
打包并提交运行
运行结果
3.编写独立应用程序实现求平均值问题
每个输入文件表示班级学生某个学科的成绩,每行内容由两个字段组成,第一个是学生 名字,第二个是学生的成绩;编写 Spark 独立应用程序求出所有学生的平均成绩,并输出到 一个新文件中。
新建scala文件avgscore
输入代码
import org.apache.spark.SparkContext
import org.apache.spark.SparkContext._
import org.apache.spark.SparkConf
import org.apache.spark.HashPartitioner
object AvgScore {
def main(args: Array[String]) {
val conf = new SparkConf().setAppName("AvgScore")
val sc = new SparkContext(conf)
val dataFile = "file:///home/charles/data"
val data = sc.textFile(dataFile,3)
val res = data.filter(_.trim().length>0).map(line=>(line.split(" ")(0).trim(),line.split(" ")(1).trim().toInt)).partitionBy(new HashPartitioner(1)).groupByKey().map(x => {
var n = 0 var sum = 0.0 for(i <- x._2){
sum = sum + i n = n +1
} val avg = sum/n val format = f"$avg%1.2f".toDouble (x._1,format)
}) res.saveAsTextFile("result")
}
}
打包并运行:
结果