Spark算子--Scala版本

第1关 Spark算子--Scala版本

编程要求

根据提示，在右侧编辑器begin-end处补充代码，输出每个元素及其长度并去重。

测试说明

平台会对你编写的代码进行测试：

预期输出：

(an,2)` `(dog,3)` `(cat,3)

开始你的任务吧，祝你成功！

​

import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}
​
object EduCoder1 {
    def main(args: Array[String]): Unit = {
    val conf =new SparkConf().setAppName("educoder1").setMaster("local")
    val sc=new SparkContext(conf)
    val rdd = sc.parallelize(List("dog","an","cat","an","cat"))
   
    
    /********** Begin **********/
    //第一步：通过获取rdd中每个元素的长度创建新的rdd1
    val rdd1=rdd.map(x=>x.length)
​
    
    //第二步：通过zip把rdd1和rdd组合创建rdd2
    
     val rdd2=rdd.zip(rdd1)
​
    //第三步：去重
​
    val rdd3=rdd2.distinct()
    
    //第四步：输出结果
    rdd3.foreach(println)
    
    
    /********** End **********/
  
    sc.stop()
  }
​
}
​

第2关：转换算子之flatMap和filter算子

编程要求

根据提示，在右侧编辑器begin-end处补充代码，输出个数大于一的单词。

测试说明

平台会对你编写的代码进行测试：

所给文件内容如下：

hello,world,hello,sparkgood,nice,good,do

预期输出： (hello,2) (good,2)

---

开始你的任务吧，祝你成功！

import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}
​
object EduCoder2 {
    def main(args: Array[String]): Unit = {
    val conf =new SparkConf().setAppName("educoder2").setMaster("local")
    val sc=new SparkContext(conf)
    val rdd=sc.textFile("file:///root/step3_fils")
    
​
    /********** Begin **********/
     //对所给数据创建的rdd切割分词
​
    val rdd1=rdd.flatMap(t=>t.split(","))
​
    //每个单词计数为1
​
    val rdd2= rdd1.map(t=>(t,1))
​
    //对相同单词个数进行累加
​
    val rdd3=rdd2.reduceByKey(_+_)
​
    //过滤出单词个数大于一个的
​
    val rdd4= rdd3.filter(t=>t._2>1)
​
    //输出结果
​
    rdd4.foreach(println)
    
    /********** End **********/
​
    sc.stop()
  }
​
}
​

第3关：转换算子之reduceBykey和mapValues算子

编程要求

根据提示，在右侧编辑器begin-end处补充代码，某商店上午卖出10本 spark 书籍，每本50元，4本 Hadoop 书籍，每本40元，下午卖出20本 spark 书籍，每本40元，10本 Hadoop 书籍，每本30元。

现要求求出这两本书这一天销售的平均价格。

数据如下：

spark,10,50spark,40,25hadoop,5,40hadoop,10,25

测试说明

平台会对你编写的代码进行测试：

预期输出：

(spark,30)` `(hadoop,30)

开始你的任务吧，祝你成功！

​

import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}
​
object EduCoder3 {
    def main(args: Array[String]): Unit = {
    
    val conf =new SparkConf().setAppName("educoder3").setMaster("local")
    val sc=new SparkContext(conf)
    
    /********** Begin **********/
     //通过给定数据通过序列化方式创建rdd
​
    val rdd = sc.parallelize(List(("spark",(10,50)),("hadoop",(5,40)),("hadoop",(10,25)),("spark",(40,25))))
​
    //求出一天收入总和以及出售本数
​
    val rdd2 = rdd.reduceByKey((x,y) => ((x._1*x._2)+(y._1*y._2), x._1+y._1))
​
    //求出每本平均售价
​
    val rdd3 = rdd2.mapValues(x => x._1 / x._2)
​
    //输出结果
​
    rdd3.foreach(println)
   
    /********** End **********/
   
    sc.stop
​
}
}

第4关：转化算子之groupByKey和sortByKey

编程要求

根据提示，在右侧编辑器begin-end处补充代码，对每人所学书籍本数分组并排序输出。

测试说明

平台会对你编写的代码进行测试：

所给数据说明：("Bob","spark") Bob：人名 spark：所学书籍

预期输出：

(Bob,3)(Candy,1)(Lily,1)

---

开始你的任务吧，祝你成功！

​

import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}
​
object EduCoder4 {
    def main(args: Array[String]): Unit = {
    val conf =new SparkConf().setAppName("educoder4").setMaster("local")
    val sc=new SparkContext(conf)
   val rdd = sc.parallelize(List(("Bob","spark"),("Lily","hadoop"),("Candy","hive"),("Bob","hbase"),("Bob","hive")))
     
    /********** Begin **********/
     //根据姓名对所学书籍分组
​
    val rdd1= rdd.groupByKey()
​
    //求出每个人的书籍本数
​
    val rdd2= rdd1.mapValues(t=>t.toList.size)
​
    //根据姓名排序
​
    val rdd3= rdd2.sortByKey()
​
    //打印结果
​
    rdd3.foreach(println)
    
    /********** End **********/
    sc.stop()
  }
​
}
​

第5关：常见行动算子

编程要求

根据提示，在右侧编辑器begin-end处补充代码输出正确答案。

测试说明

预期输出：

4
dog
sun
an
dogsunancat
dog
sun
an
cat

---

开始你的任务吧，祝你成功！

​

import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}
​
object EduCoder5 {
    def main(args: Array[String]): Unit = {
    val conf =new SparkConf().setAppName("educoder5").setMaster("local")
    val sc=new SparkContext(conf)
    val rdd = sc.parallelize(List("dog","sun","an","cat"))
     
    /********** Begin **********/
   
     //返回所给rdd的元素个数并输出
​
    val r1=rdd.count()
​
        println(r1)
​
    //返回rdd的前三个元素并输出
​
        val rdd1=rdd.take(3)
​
        rdd1.foreach(println)
​
    //累加rdd的所有元素并输出结果
​
        val r2=rdd.reduce(_+_)
​
        println(r2)
​
        //收集所有元素并且输出
​
       rdd.collect().foreach(println)
    
    /********** End **********/
   
    sc.stop()
  }
​
}
​

第6关：算子的综合使用案例

编程要求

有一份数据格式如下的文档：

日期，姓名，app,下载渠道，地区，版本号

2017-08-14,Lily,Facebook,360 Shop,NewYork,v1.0 2017-08-14,Bob,Facebook,Amazon Appstore,NewYork,v1.2 2017-08-14,Lily,Facebook,360 Shop,Washington,v1.2 2017-08-14,Lily,Facebook,Google Play Store,Washington,v2.0 2017-08-14,Candy,YouTube,app store,Chicago,v1.8 2017-08-14,Lily,Facebook,Google Play Store,Washington,v2.0 2017-08-14,Candy,YouTube,app store,Chicago,v1.9 2017-08-15,Candy,YouTube,app store,Chicago,v2.0 2017-08-15,Candy,YouTube,app store,Chicago,v2.3 2017-08-15,Lily,Facebook,360 Shop,NewYork,v2.0 2017-08-15,Bob,Facebook,Amazon Appstore,NewYork,v1.2 2017-08-15,Bob,Facebook,Amazon Appstore,NewYork,v1.5 2017-08-15,Candy,YouTube,app store,Chicago,v2.9  

需求： 不考虑地区，列出版本升级情况。

结果格式： 日期，姓名，app，下载渠道，升级前版本，升级后版本。

例： 数据：

2017-08-14,Lily,Facebook,360 Shop,NewYork,v1.0 2017-08-14,Lily,Facebook,360 Shop,Washington,v1.2 2017-08-14,Lily,Facebook,360 Shop,NewYork,v2.0 

结果：

(2017-08-14,Lily,Facebook,360 Shop,v1.0,v1.2） (2017-08-14,Lily,Facebook,360 Shop,v1.2,v2.0）

测试说明

本实训目前是基于Spark单机模式的运行方式，完成整个评测流程所需时间较长，请耐心等待!

开始你的任务吧，祝你成功！

​

import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}
​
object EduCoder {
  def main(args: Array[String]): Unit = {
    val conf =new SparkConf().setAppName("educoder").setMaster("local")
    val sc=new SparkContext(conf)
    val line=sc.textFile("file:///root/step1_fils")
    
    /********** Begin **********/
    //根据需求，去除城市字段
​
      val rdd1 = line.map(t => {
​
      val arr = t.split(",")
​
      ((arr(0), arr(1), arr(2), arr(3)), arr(5))
​
      })
​
      //按key分组，key是除城市字段和版本号字段``以外的所有字段，value是版本号
​
      val rdd2=rdd1.groupByKey()
​
      //过滤版本号重复的``(例：（v2.0,v2.0）)以及版本号只有一个的(例（v1.0）) 
​
      val rdd3=rdd2.mapValues(t=>t.toList.distinct).filter(t=>t._2.length>1)
​
      //拆分重新组合 例：(key,（v2.0,v2.5,v3.0))拆分成(key,（v2.0,v2.5）,（(key,(v2.5,v3.0)）)
​
      val rdd4= rdd3.mapValues(t => { 
​
      val tai = t.tail 
​
      t.zip(tai)
​
      })
​
      //按需求整理输出格式(例：（2017-08-14,Lily,Facebook,360  Shop,v1.2,v2.0）)
​
      val rdd5= rdd4.flatMap(t => {
​
      t._2.map(tp => {
​
      (t._1._1, t._1._2, t._1._3, t._1._4, tp._1, tp._2)
​
      })
​
      })
​
      //执行foreach操作，打印出结果
​
      rdd5.foreach(println)
​
    
    /********** End **********/
   
    sc.stop()
  }
​
}
​