关键词：
RDD编程初级实践
一、实验目的
（1）熟悉Spark的RDD基本操作及键值对操作；
（2）熟悉使用RDD编程解决实际具体问题的方法。
二、实验平台
操作系统：Ubuntu16.04
Spark版本：2.4.0
Python版本：3.4.3
三、实验内容和要求
1.pyspark交互式编程
本作业提供分析数据data.txt，该数据集包含了某大学计算机系的成绩，数据格式如下所示：
Tom,DataBase,80
Tom,Algorithm,50
Tom,DataStructure,60
Jim,DataBase,90
Jim,Algorithm,60
Jim,DataStructure,80
……
请根据给定的实验数据，在pyspark中通过编程来计算以下内容：
（1）该系总共有多少学生；
（2）该系共开设了多少门课程；
（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；
（7）使用累加器计算共有多少人选了DataBase这门课。
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。本文给出门课的成绩（A.txt、B.txt）下面是输入文件和输出文件的一个样例，供参考。
输入文件A的样例如下：
20200101 x
20200102 y
20200103 x
20200104 y
20200105 z
20200106 z
输入文件B的样例如下：
20200101 y
20200102 y
20200103 x
20200104 z
20200105 y
根据输入的文件A和B合并得到的输出文件C的样例如下：
20200101 x
20200101 y
20200102 y
20200103 x
20200104 y
20200104 z
20200105 y
20200105 z
20200106 z
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。本文给出门课的成绩（Algorithm.txt、Database.txt、Python.txt），下面是输入文件和输出文件的一个样例，供参考。
Algorithm成绩：
小明 92
小红 87
小新 82
小丽 90
Database成绩：
小明 95
小红 81
小新 89
小丽 85
Python成绩：
小明 82
小红 83
小新 94
小丽 91
平均成绩如下：
(小红,83.67)
(小新,88.33)
(小明,89.67)
(小丽,88.67)
四、实验结果与分析
1.pyspark交互式编程
本作业提供分析数据data.txt，该数据集包含了某大学计算机系的成绩，数据格式如下所示：
Tom,DataBase,80
Tom,Algorithm,50
Tom,DataStructure,60
Jim,DataBase,90
Jim,Algorithm,60
Jim,DataStructure,80
……
请根据给定的实验数据，在pyspark中通过编程来计算以下内容：
（1）该系总共有多少学生；
首先将 data.txt文件复制到 /usr/local/spark/sparksqldata 文件目录下，cp data.txt /usr/local/spark/sparksqldata,如图所示：
然后输入pyspark打开spark-shell就可以开始编程，如下图：
该系总共有多少学生的代码编写：
（2）该系共开设了多少门课程：
（3）Tom同学的总成绩平均分是多少：
先求Tom的各科成绩，如图：
再求Tom同学的总成绩平均分，如图：
（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；
lines = sc.textFile(“file:///usr/local/spark/sparksqldata/Data01.txt”)
res = lines.map(lambda x:x.split(",")).filter(lambda x:x[1]==“DataBase”)
res.count()
//126
答案为126人
（6）各门课程的平均分是多少；
（7）使用累加器计算共有多少人选了DataBase这门课。
lines = sc.textFile(“file:///usr/local/spark/sparksqldata/Data01.txt”)
res = lines.map(lambda x:x.split(",")).filter(lambda x:x[1]==“DataBase”)//筛选出选了DataBase课程的数据
accum = sc.accumulator(0) //定义一个从0开始的累加器accum
res.foreach(lambda x:accum.add(1))//遍历res，每扫描一条数据，累加器加1
accum.value //输出累加器的最终值
//126
答案：共有126人
2.编写独立应用程序实现数据去重
（1）首先将 ~/下载/大数据实践期末大作业 文件夹中的A.txt和B.txt文件复制到 /usr/local/spark/mycode/remdup 文件目录下，如图：
（2）在remdup目录下编写remdup.py文件，如图：
（3）在/usr/local/spark/mycode/remdup文件目录下运行remdup.py文件：python3 remdup.py，如图：
（4）运行了remdup.py文件后，会出现result目录，在该目录下可查看part-00000文件结果，如图：
3.编写独立应用程序实现求平均值问题
（1）首先将 ~/下载/大数据实践期末大作业 文件夹中的Algorithm.txt、Database.txt和Python.txt文件复制到 /usr/local/spark/mycode/avgscore 文件目录下，如图所示：
（2）在avgscore目录下编写avgscore.py文件，vim avgscore.py如下图所示：
（3）在/usr/local/spark/mycode/avgscore 文件目录下运行avgscore.py文件：python3 avgscore.py，在avgscore目录下得到result目录，在result下得到part-00000文件结果。
2021-06-09*rdd编程初级实践(代码片段)
RDD编程初级实践一、数据来源描述pyspark交互式编程科任老师提供分析数据data.txt，该数据集包含了某大学计算机系的成绩，数据格式如下所示：Tom,DataBase,80Tom,Algorithm,50Tom,DataStructure,60Jim,DataBase,90Jim,Algorithm,60Jim,DataStruct... 查看详情
rdd编程初级实践（基于python）(代码片段)
RDD编程初级实践（基于python）1.实验目的2.实验环境3.实验数据3.1pyspark交互式编程（实验描述）3.2编写独立应用程序实现数据去重（实验描述）3.3编写独立应用程序实现求平均值问题（实验描述）3.4... 查看详情
实验4rdd编程初级实践
1．spark-shell交互式编程（1）该系总共有多少学生scala>vallines=sc.textFile("file:///usr/local/spark/sparklab/Data01.txt")lines:org.apache.spark.rdd.RDD[String]=file:///usr/local/spark/sparklab/Data01.txtMapPartitionsRDD[4]attextFileat<console>:24scala>valinfo=lines.map(ro... 查看详情
rdd编程初级实践
RDD编程初级实践一、实验目的（1）熟悉Spark的RDD基本操作及键值对操作；（2）熟悉使用RDD编程解决实际具体问题的方法。二、实验平台操作系统：Ubuntu16.04Spark版本：2.4.0Python版本：3.4.3三、实验内... 查看详情
rdd编程初级实践(代码片段)
RDD编程初级实践一、pyspark交互式编程二、编写独立应用程序实现数据去重三、编写独立应用程序实现求平均值问题一、pyspark交互式编程本作业提供分析数据data.txt，该数据集包含了某大学计算机系的成绩，数据格式如下... 查看详情
实验4rdd编程初级实践(代码片段)
注意：spark的编码格式是utf-8，其他的格式会有乱码，所以文件要使用utf-8编码pom.xml：<?xmlversion="1.0"encoding="UTF-8"?><projectxmlns="http://maven.apache.org/POM/4.0.0"xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"xsi:schemaLocation="http://maven.apache.o... 查看详情
2021-06-09*rdd编程初级实践(代码片段)
RDD编程初级实践一、数据来源描述pyspark交互式编程科任老师提供分析数据data.txt，该数据集包含了某大学计算机系的成绩，数据格式如下所示：Tom,DataBase,80Tom,Algorithm,50Tom,DataStructure,60Jim,DataBase,90Jim,Algorithm,60Jim,DataStruct... 查看详情
sparksql编程初级实践
1．SparkSQL基本操作将下列JSON格式数据复制到Linux系统中，并保存命名为employee.json。{"id":1,"name":"Ella","age":36}{"id":2,"name":"Bob","age":29}{"id":3,"name":"Jack","age":29}{"id":4,"name":"Jim","age":28}{"id":4,"name":"Jim", 查看详情
sparksql编程初级实践
1．SparkSQL基本操作将下列JSON格式数据复制到Linux系统中，并保存命名为employee.json。"id":1,"name":"Ella","age":36"id":2,"name":"Bob","age":29"id":3,"name":"Jack","age":29"id":4,"name":"Jim","age":28"id":5,"name":"Damon 查看详情
sparksql编程初级实践
今下午在课上没有将实验做完，课下进行了补充，最终完成。下面附上厦门大学数据库实验室中spark实验官网提供的标准答案，以供参考。 三、实验内容和要求1．SparkSQL基本操作 将下列json数据复制到你的ubuntu系统/usr/loca... 查看详情
实验5sparksql编程初级实践
SparkSQL基本操作 (1)查询所有数据； (2)查询所有数据，并去除重复的数据； (3)查询所有数据，打印时去除id字段； (4)筛选出age>30的记录； (5)将数据按age分组； (6)将数据按name升序排列； (7)取出前3行数... 查看详情
第五周周二练习：实验5sparksql编程初级实践(代码片段)
1.题目：源码：importjava.util.Propertiesimportorg.apache.spark.sql.types._importorg.apache.spark.sql.Rowimportorg.apache.spark.sql.SparkSessionimportorg.apache.spark.sql.DataFrameReaderobjectTestMySQLdefma 查看详情
实验5mapreduce初级编程实践——编程实现文件合并和去重操作(代码片段)
一、实验目的通过实验掌握基本的MapReduce编程方法；掌握用MapReduce解决一些常见的数据处理问题，包括数据去重、数据排序和数据挖掘等。二、实验平台操作系统：Linux（建议Ubuntu16.04或Ubuntu18.04）Hadoop版本ÿ... 查看详情
寒假记录六
今天完成了实验任务四-RDD编程初级实践，先在网上查了一下资料。Spark大数据处理的核心是RDD,RDD的全称为弹性分布式数据集，对数据的操作主要涉及RDD的创建、转换以及行动等操作，在Spark系列(二)中主要介绍了RDD根据SparkContext... 查看详情
寒假学习进度-3
RDD编程初级实践函数名目的示例结果reduceByKey(f) 合并具有相同key的值 rdd.reduceByKey((x,y)=>x+y) (1,2),(3,10)groupByKey() 对具有相同key的值分组 rdd.groupByKey() (1,2),(3,[4,6])mapValues(f) 对键值对中的每个值(value)应用一个函数，但不改变键(key) r... 查看详情
sixsparkstreaming编程初级实践
Flume官网下载Flume1.7.0安装文件，下载地址如下：http://www.apache.org/dyn/closer.lua/flume/1.7.0/apache-flume-1.7.0-bin.tar.gz下载后，把Flume1.7.0安装到Linux系统的“/usr/local/flume”目录下，⑴解压安装包1.cd~/下载2.sudotar-zxvfapache-flume-1.7.0-bin.ta... 查看详情
rdd编程实践2-编写独立应用程序实现数据去重，实现求平均值问题(代码片段)
（1）编写独立应用程序实现数据去重packagemy.scalaimportorg.apache.spark.SparkConf,SparkContextobjectcase2defmain(args:Array[String]):Unit=valconf=newSparkConf().setMaster("local").setAppName("reduce")valsc=newSparkContext(conf)sc.setLogLevel("ERROR")//获取数据valtwo=sc.textFile("f... 查看详情
实验5mapreduce初级编程实践——对给定的表格进行信息挖掘(代码片段)
一、实验目的通过实验掌握基本的MapReduce编程方法；掌握用MapReduce解决一些常见的数据处理问题，包括数据去重、数据排序和数据挖掘等。二、实验平台操作系统：Linux（建议Ubuntu16.04或Ubuntu18.04）Hadoop版本ÿ... 查看详情