码农知识堂 - 1000bd
  •   Python
  •   PHP
  •   JS/TS
  •   JAVA
  •   C/C++
  •   C#
  •   GO
  •   Kotlin
  •   Swift
  • 用spark实现row_number()


    准备数据

    1. //company app visit_times
    2. 腾讯,腾讯视频,800
    3. 腾讯,QQ音乐,900
    4. 腾讯,微信读书,100
    5. 腾讯,微信,900
    6. 腾讯,腾讯课堂,200
    7. 阿里,支付宝,900
    8. 阿里,优酷视频,700
    9. 阿里,虾米音乐,500
    10. 阿里,飞猪,700
    11. 阿里,钉钉,600
    12. 百度,百度App,700
    13. 百度,百度地图,800
    14. 百度,爱奇艺,800
    15. 百度,百度钱包,100
    16. 百度,百度贴吧,200

    Spark Table Api实现

    1. import org.apache.spark.sql.functions._
    2. val df = spark.read.textFile("./data/test")
    3. .map(_.split(","))
    4. .map(x => (x(0), x(1), x(2)))
    5. .toDF("company", "app", "vst_times")
    6. .groupBy("company","app")
    7. .agg(sum("vst_times") as "vst_times")
    8. .cache()
    9. val windows = Window.partitionBy("company","app").orderBy(col("vst_times").desc)
    10. //取出BAT三大公司访问量Top2的app
    11. df.select("company", "app", "vst_times")
    12. .withColumn("row_number", row_number().over(windows))
    13. .where("row_number <= 2 ")
    14. .select("company", "app", "vst_times")
    15. .show()

    Spark Core Api实现

    1. val apprdd = spark.read.textFile("test.log")
    2. .map(line => {
    3. val x = line.split(",")
    4. ((x(0), x(1)), x(2))
    5. })
    6. val reduced: RDD[((String, String), Int)] = apprdd.reduceByKey(_+_)
    7. val grouped: RDD[(String, Iterable[((String, String), Int)])] = reduced.groupBy(_._1._1)
    8. //按照公司分组
    9. val sorted: RDD[(String, List[((String, String), Int)])] = grouped.mapValues(_.toList.sortBy(-_._2).take(2))
    10. //输出结果
    11. sorted.foreach(println(_))
    12. //释放资源
    13. sc.stop()

    结果输出:

    1. +-------+--------+---------+
    2. |company| app|vst_times|
    3. +-------+--------+---------+
    4. | 腾讯| QQ音乐| 900|
    5. | 腾讯| 微信| 900|
    6. | 百度|百度地图| 800|
    7. | 百度| 爱奇艺| 800|
    8. | 阿里| 支付宝| 900|
    9. | 阿里|优酷视频| 700|
    10. +-------+--------+---------+
  • 相关阅读:
    27岁Python程序员做独立开发年收入超900万,家中有屋又有田,生活乐无边
    QT绘制图像QImage-QPixmap-QBitmap-QPicture
    分布式任务调度框架XXL-JOB
    2022/9/16-2022/9/20
    【NLP】多语言预训练模型(mBERT和XLM)
    【办公类-22-14】周计划系列(5-5)“周计划-05 周计划表格内教案部分“节日”清空改成“节日“” (2024年调整版本)Win32
    Python在WRF模型自动化运行及前后处理中的应用
    简单试验:用Excel进行爬虫
    CentOS 安装MySQL 详细教程
    kubernetes-service详解
  • 原文地址:https://blog.csdn.net/qq_42456324/article/details/127891296
  • 最新文章
  • 攻防演习之三天拿下官网站群
    数据安全治理学习——前期安全规划和安全管理体系建设
    企业安全 | 企业内一次钓鱼演练准备过程
    内网渗透测试 | Kerberos协议及其部分攻击手法
    0day的产生 | 不懂代码的"代码审计"
    安装scrcpy-client模块av模块异常,环境问题解决方案
    leetcode hot100【LeetCode 279. 完全平方数】java实现
    OpenWrt下安装Mosquitto
    AnatoMask论文汇总
    【AI日记】24.11.01 LangChain、openai api和github copilot
  • 热门文章
  • 十款代码表白小特效 一个比一个浪漫 赶紧收藏起来吧!!!
    奉劝各位学弟学妹们,该打造你的技术影响力了!
    五年了,我在 CSDN 的两个一百万。
    Java俄罗斯方块,老程序员花了一个周末,连接中学年代!
    面试官都震惊,你这网络基础可以啊!
    你真的会用百度吗?我不信 — 那些不为人知的搜索引擎语法
    心情不好的时候,用 Python 画棵樱花树送给自己吧
    通宵一晚做出来的一款类似CS的第一人称射击游戏Demo!原来做游戏也不是很难,连憨憨学妹都学会了!
    13 万字 C 语言从入门到精通保姆级教程2021 年版
    10行代码集2000张美女图,Python爬虫120例,再上征途
Copyright © 2022 侵权请联系2656653265@qq.com    京ICP备2022015340号-1
正则表达式工具 cron表达式工具 密码生成工具

京公网安备 11010502049817号