今天主要学习了数据酷客的机器学习十讲的第一讲和Spark里的转移算子
Spark转移算子案例实操
首先是这样的一个需求：
1516609143867 6 7 64 16
1516609143869 9 4 75 18
1516609143869 1 7 87 12
1516609143869 2 8 92 9
1516609143869 6 7 84 24
1516609143869 1 8 95 5
1516609143869 8 1 90 29
1516609143869 3 3 36 16
1516609143869 3 3 54 22
1516609143869 7 6 33 5
数据：agent.log：时间戳，省份，城市，用户，广告，中间字段使用空格分隔。
需求：统计出每一个省份每个广告被点击数量排行的 Top3
/**
* @Description:
* @author: LiuGe
* @date: 2021/1/25
*/
object Spark24_RDD_Req {
def main(args: Array[String]): Unit = {
val sparkConf = new SparkConf().setMaster("local[*]").setAppName("RDD")
val sc = new SparkContext(sparkConf)
// 案例实操
// 1.获取原始数据 时间戳，省份，城市，用户，广告
val dataRDD: RDD[String] = sc.textFile("datas/agent.log")
// 2.将原始数据进行结构的转换，方便统计
// 时间戳，省份，城市，用户，广告 =>
// ((省份，广告),1)
val mapRDD: RDD[((String, String), Int)] = dataRDD.map(line => {
val datas: Array[String] = line.split(" ")
((datas(1), datas(4)), 1)
})
// 3.将转换结构后的数据进行分组聚合
// ((省份，广告),1) => ((省份，广告),sum)
val reduceRDD: RDD[((String, String), Int)] = mapRDD.reduceByKey(_ + _)
// 4.将聚合的结果进行结构的转换
// ((省份，广告),sum) => (省份，(广告,sum))
val newMapRDD: RDD[(String, (String, Int))] = reduceRDD.map {
case ((prv, ad), sum) => {
(prv, (ad, sum))
}
}
// 5.将转换结构后的数据根据省份进行分组
// (省份，[(广告A,sum),(广告B,sum)])
val groupRDD: RDD[(String, Iterable[(String, Int)])] = newMapRDD.groupByKey()
// 6.将分组后的数据组内排序(降序),取前3名
val resultRDD: RDD[(String, List[(String, Int)])] = groupRDD.mapValues(iter => {
iter.toList.sortBy(_._2)(Ordering.Int.reverse).take(3)
})
// 7.采集数据打印在控制台
resultRDD.collect().foreach(println)
sc.stop()
}
}