spark使用JavaAPI统计文本出现的字符频率最高的前五

package com.neo.spark;

import org.apache.spark.SparkConf;

import org.apache.spark.api.java.JavaPairRDD;

import org.apache.spark.api.java.JavaRDD;

import org.apache.spark.api.java.JavaSparkContext;

import scala.Tuple2;

import java.io.File;

import java.util.Arrays;

import java.util.List;

/**

* 返回文本字符出现次数频率最高的前五

*/

public class HelloSpark {

/**

    * 删除目录以及目录下的所有文件以及文件夹

    *

    * @return

    * @paramv_dir

    */

    public static Boolean deleteDir(String dir) {

Boolean flag =false;

File td =new File(dir);

if (!td.exists()) {

return false;

}

if (!td.isDirectory()) {

return flag;

}

File[] files = td.listFiles();

for (int i =0; i < files.length; i++) {

File f = files[i];

if (f.isFile()) {

f.delete();

}

if (f.isDirectory()) {

deleteDir(f.toString());

}

}

td.delete();

flag =true;

return flag;

}

public static void main(String[] args) {

SparkConf sc =new SparkConf().setAppName("TestSpark").setMaster("local");

String localPath ="C:/Users/xn043275/Desktop/xx.sql";

String resPath ="C:/Users/xn043275/Desktop/spark_res";

deleteDir(resPath);

//实例JavaSparkContext对象

        JavaSparkContext jsc =new JavaSparkContext(sc);

//读取本地文件

        JavaRDD lines = jsc.textFile(localPath);

//按空格拆分

        JavaRDD words = lines.flatMap(line -> Arrays.asList(line.split(" ")).iterator());

//统计字符出现的次数

        JavaPairRDD wordCnt = words.mapToPair(word ->new Tuple2<>(word,1)).reduceByKey((x, y) -> x + y);

//rdd反转key-value

        JavaPairRDD wordCntReverse = wordCnt.mapToPair(wc ->new Tuple2<>(wc._2(),wc._1()));

System.out.println("字母去重总数为:" + wordCnt.count());

List> wordCntList = wordCnt.collect();

System.out.println("每个字母出现的次数如下:");

wordCntList.forEach(s -> System.out.println("  " + s._1() +"出现的次数为:" + s._2()));

//反转之后倒序排列取top5

        JavaPairRDD wordCntTop =  wordCntReverse.sortByKey(false);

List> topList = wordCntTop.take(5);

System.out.println("出现频率最高的五个字母如下:");

topList.forEach(s -> System.out.println("  " + s._2() +"出现的次数为:" + s._1()));

//转换RDD,将结果写入文件

        JavaPairRDD topResult = jsc.parallelize(topList).mapToPair(

s ->new Tuple2<>(s._2(),s._1())

);

topResult.saveAsTextFile(resPath);

//        wordCntTop.saveAsTextFile(resPath);

        jsc.stop();

}

}


原始文件xx.sql内容为:


运行程序:


最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,332评论 5 475
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,930评论 2 379
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,204评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,348评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,356评论 5 363
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,447评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,862评论 3 394
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,516评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,710评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,518评论 2 318
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,582评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,295评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,848评论 3 306
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,881评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,121评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,737评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,280评论 2 341

推荐阅读更多精彩内容