Scala<产生min-max之间的随机数>

最新推荐文章于 2024-03-10 11:42:05 发布
原创 最新推荐文章于 2024-03-10 11:42:05 发布 · 3.8k 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#scala

本文介绍了一段用于生成1到35范围内随机整数的代码实现。使用了(newRandom).nextInt方法来产生一个大于等于0且小于指定上限的随机数。

下面的代码是产生1-35范围内的整数

   while (true) {
      var a = 1 + (new Random).nextInt((35 - 1) + 1)
      if (a <= 0 || a >= 36)
        print(a)
    }


(new Random).nextInt（n）会产生一个大于等于0且小于n的整数

Scala(17) --scala的集合、Traversable集合
erainm
09-22 546
1. 集合 2. Traversable 3. 案例
Flink系列之：使用Flink Mysql CDC基于Flink SQL同步mysql数据到StarRocks数据库
zhengzaifeidelushang的博客
01-29 1788
Flink系列之：使用Flink Mysql CDC基于Flink SQL同步mysql数据到StarRocks数据库
scala 在某特定范围内生成随机数
超级帅的一个小伙子的博客
05-12 1万+
scala随机数生成函数(new util.Random).nextInt(n) 返回一个0-n（不包括n） 的随机数比如scala> (new util.Random).nextInt(3) res7: Int = 1返回一个[0, 2]的随机数scala生成一组不重复的随机数1、循环获取随机数，再到 list中找，如果没有则添加def randomNew(n:Int)={ var res
使用Scala生成随机数的方法示例
08-25
主要介绍了使用Scala生成随机数的方法示例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
scala BitSet实现算法：一千万个随机数，随机数范围在1到1亿之间，现在要求写出一种算法，将1到1亿之间没有出现的随机数求出来
Nougats的博客
06-07 3024
闲话跟BitSet缠了好几天，书上介绍的甚少，过了好几遍文档，和java的BitSet相比，可以像Set一样地操纵的设计更合理，但总觉得少了很多有用的方法，和其他Set相比，可能大数据量时效率提升明显，但使用者很难接触到底层的结构（java的BitSet并没有这样），很难作用最大化，曾无数次给我一种用了假的BitSet的感觉，所以说的不对的，还请大家不吝赐教！从实例出发实现算法：一千万个随机数，随机
Scala 在范围内取得若干不重复的随机数
Moxice的博客
01-14 2174
   此方法依据的是shuffle函数的特性：把数组中的元素按随机顺序重新排序。 import scala.util.Random def main(args: Array[String]): Unit = {   //获得一个0到100的数组 val seq = (0 to 100).map(x=&gt;x) //打乱数组，取得前俩个值 val result = Ran...
使用Scala生成随机数
热门推荐
说文科技，做有态度的研究。
04-26 3万+
一.使用Scala生成随机数 1.简单版本： /* 1.you can use scala.util.Random.nextInt(10) to produce a number between 1 and 10 2.at the same time,you nextInt(100) to produce a number between 1 and 100 */ object Test { ...
大数据-案例-离线数仓-电商：【MySQL(业务)-ETL(Kettle)】+【前端JS埋点-＞日志-＞Flume-＞HDFS-＞ETL(SparkRDD)】-＞Hive数仓-＞MySQL-＞可视化
u013250861的博客
01-30 2927
大数据-BI案例（二）-电商：数据仓库+OLAP【MySQL-ETL(Kettle)-＞ Hive（ODS层-数据清洗-＞DW层（DWD-统计分析-＞DWS））-导出结果-＞MySQL】-＞ 可视化
快学scala课后答案（1-2章）
Neo_Lee的博客
07-24 1085
第一章 基础 1 在REPL模式下输入 3. 然后按tab键。有哪些方法可以被应用？ 答： [root@bigdata01 bin]# sh scala Welcome to Scala 2.13.0 (Java HotSpot(TM) 64-Bit Server VM, Java 1.8.0_65). Type in expressions for evaluation. O...
快学Scala课后练习
m0_68269137的博客
01-06 436
快学Scala练习答案
scala——随机数生成
主公在此的博客
11-03 6266
(new util.Random).nextInt(n) 返回一个0-n（不包括n） 的随机数 比如：scala> (new util.Random).nextInt(3) res7: Int = 1返回一个[0, 2]的随机数scala生成一组不重复的随机数 1、循环获取随机数，再到 list中找，如果没有则添加def randomNew(n:Int)={ var resultList:L
scala--生成随机数
weixin_33957648的博客
03-06 2181
2019独角兽企业重金招聘Python工程师标准>>> ...
random.nextint()
weixin_34007291的博客
01-28 489
自从JDK最初版本发布起，我们就可以使用java.util.Random类产生随机数了。在JDK1.2中，Random类有了一个名为nextInt()的方法： public int nextInt(int n) 给定一个参数n，nextInt(n)将返回一个大于等于0小于n的随机数，即：0 &lt;= nextInt(n) &lt; n。...
【scala原理系列】scala Random原理方法示例源码详解
wang2leee的博客
03-10 944
# 【scala原理系列】scala Random原理方法示例源码详解
生成指定范围的随机数
yong664764616的专栏
04-26 218
Private Sub Command1_Click() Dim m As Integer Dim n As Integer m=Val(Text1.Text) n=Val(Text2.Text) Text3.Text=m+Int(Rnd*(n-m+1)) End Sub Private Sub Form_load() Randomise End Sub
用Scala实现一个纯函数风格的引用透明的伪随机数生成器
lhever_的博客
07-05 543
这个例子来源于scala圣经级教程《Functional Programming in Scala》，由于本人跟着书中的代码敲了一遍，然后写了点测试代码验证了一下正确性，所以就放在这做个备忘吧。贴出来只是为了方便自己，如果看不懂，但是又感兴趣的就去看原书吧…… package state trait RNG { def nextInt: (Int, RNG) } obje...
scala随机数生成，生成一组不重复随机数算法
springlustre的专栏
09-30 2万+
scala随机数生成函数 (new util.Random).nextInt(n) 返回一个0-n（不包括n） 的随机数比如scala> (new util.Random).nextInt(3) res7: Int = 1返回一个[0, 2]的随机数 scala生成一组不重复的随机数 1、循环获取随机数，再到 list中找，如果没有则添加 def randomNew(n:Int)=
Scala中的判断
hzp666的博客
03-12 866
1.if 2.if ...else 2.match
Scala学习9之产生随机数并写入到文件中
Keep Learning
05-11 3610
代码： package Chapter4 import scala.io.Source import java.io.PrintWriter import java.io.File import java.util._; import java.text.SimpleDateFormat //import object ProduceRandom { def main(args: Arra
<?xml version="1.0" encoding="UTF-8"?> 4.0.0 <groupId>org.example</groupId> <artifactId>scala_tutorial</artifactId> <version>1.0-SNAPSHOT</version> <properties> <maven.compiler.source>8</maven.compiler.source> <maven.compiler.target>8</maven.compiler.target> <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding> <scala.version>2.12.11</scala.version> <spark.version>3.1.1</spark.version> <hadoop.version>3.2.4</hadoop.version> </properties> <dependencies> <dependency> <groupId>mysql</groupId> <artifactId>mysql-connector-java</artifactId> <version>8.0.33</version> </dependency> <!-- Scala Library --> <dependency> <groupId>org.scala-lang</groupId> <artifactId>scala-library</artifactId> <version>${scala.version}</version> </dependency> <!-- Spark Core --> <dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-core_2.12</artifactId> <version>${spark.version}</version> </dependency> <!-- Spark SQL --> <dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-sql_2.12</artifactId> <version>${spark.version}</version> </dependency> <!-- Spark Hive Support --> <dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-hive_2.12</artifactId> <version>${spark.version}</version> </dependency> <!-- Hadoop Client --> <dependency> <groupId>org.apache.hadoop</groupId> <artifactId>hadoop-client</artifactId> <version>${hadoop.version}</version> </dependency> </dependencies> <build> <plugins> <!-- Scala Compiler Plugin --> <plugin> <groupId>net.alchim31.maven</groupId> <artifactId>scala-maven-plugin</artifactId> <version>4.8.1</version> <executions> <execution> <goals> <goal>compile</goal> <goal>testCompile</goal> </goals> </execution> </executions> <configuration> <scalaVersion>${scala.version}</scalaVersion> </configuration> </plugin> <!-- Maven Compiler Plugin --> <plugin> <groupId>org.apache.maven.plugins</groupId> <artifactId>maven-compiler-plugin</artifactId> <version>3.11.0</version> <configuration> <source>8</source> <target>8</target> </configuration> </plugin> <!-- Maven Assembly Plugin for creating fat JAR --> <plugin> <groupId>org.apache.maven.plugins</groupId> <artifactId>maven-assembly-plugin</artifactId> <version>3.6.0</version> <configuration> <descriptorRefs> <descriptorRef>jar-with-dependencies</descriptorRef> </descriptorRefs> </configuration> <executions> <execution> <id>make-assembly</id> <phase>package</phase> <goals> <goal>single</goal> </goals> </execution> </executions> </plugin> </plugins> </build> 版本不变，给我调整个能用的
最新发布
11-22
你提供的 `pom.xml` 整体结构是正确的，但存在几个 **关键问题** 会导致： - 日志冲突（SLF4J 多绑定） - Hadoop/Spark 兼容性问题 - 打包后运行出错（缺少主类定义、依赖冲突） --- ### ✅ 目标 在 **不改变版本** 的前提下（Scala 2.12.11, Spark 3.1.1, Hadoop 3.2.4），调整 `pom.xml` 使其： 1. 能正常编译 Scala 代码 2. 消除 SLF4J 冲突警告 3. 打包成可执行的 fat jar（包含依赖） 4. 支持本地运行 Spark + Hive 5. 避免常见类加载冲突 --- ### ✅ 修改后的完整 `pom.xml` ```xml <?xml version="1.0" encoding="UTF-8"?> <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd"> <modelVersion>4.0.0</modelVersion> <groupId>org.example</groupId> <artifactId>scala_tutorial</artifactId> <version>1.0-SNAPSHOT</version> <packaging>jar</packaging> <properties> <maven.compiler.source>8</maven.compiler.source> <maven.compiler.target>8</maven.compiler.target> <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding> <scala.version>2.12.11</scala.version> <spark.version>3.1.1</spark.version> <hadoop.version>3.2.4</hadoop.version> <main.class>MySQLToHiveIncremental2</main.class> <!-- 主类名 --> </properties> <dependencies> <!-- MySQL Connector --> <dependency> <groupId>mysql</groupId> <artifactId>mysql-connector-java</artifactId> <version>8.0.33</version> </dependency> <!-- Scala Library --> <dependency> <groupId>org.scala-lang</groupId> <artifactId>scala-library</artifactId> <version>${scala.version}</version> </dependency> <!-- Spark Core --> <dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-core_2.12</artifactId> <version>${spark.version}</version> <exclusions> <!-- 排除日志实现冲突 --> <exclusion> <groupId>org.slf4j</groupId> <artifactId>slf4j-log4j12</artifactId> </exclusion> <exclusion> <groupId>log4j</groupId> <artifactId>log4j</artifactId> </exclusion> <!-- 避免与 Hadoop 中的 guava 版本冲突 --> <exclusion> <groupId>com.google.guava</groupId> <artifactId>guava</artifactId> </exclusion> </exclusions> </dependency> <!-- Spark SQL --> <dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-sql_2.12</artifactId> <version>${spark.version}</version> <exclusions> <exclusion> <groupId>org.slf4j</groupId> <artifactId>slf4j-reload4j</artifactId> </exclusion> </exclusions> </dependency> <!-- Spark Hive Support --> <dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-hive_2.12</artifactId> <version>${spark.version}</version> </dependency> <!-- Hadoop Client --> <dependency> <groupId>org.apache.hadoop</groupId> <artifactId>hadoop-client</artifactId> <version>${hadoop.version}</version> <exclusions> <!-- 统一日志框架 --> <exclusion> <groupId>org.slf4j</groupId> <artifactId>slf4j-reload4j</artifactId> </exclusion> <exclusion> <groupId>log4j</groupId> <artifactId>log4j</artifactId> </exclusion> <!-- 使用项目中统一的 Guava --> <exclusion> <groupId>com.google.guava</groupId> <artifactId>guava</artifactId> </exclusion> </exclusions> </dependency> <!-- 统一使用 log4j-over-slf4j + reload4j 实现 --> <dependency> <groupId>org.slf4j</groupId> <artifactId>slf4j-api</artifactId> <version>1.7.30</version> </dependency> <dependency> <groupId>ch.qos.reload4j</groupId> <artifactId>reload4j</artifactId> <version>1.2.18.3</version> </dependency> <!-- 将 log4j API 桥接到 slf4j --> <dependency> <groupId>org.slf4j</groupId> <artifactId>log4j-over-slf4j</artifactId> <version>1.7.30</version> </dependency> <!-- Google Guava（避免多个版本冲突） --> <dependency> <groupId>com.google.guava</groupId> <artifactId>guava</artifactId> <version>27.0-jre</version> </dependency> </dependencies> <build> <sourceDirectory>src/main/scala</sourceDirectory> <testSourceDirectory>src/test/scala</testSourceDirectory> <plugins> <!-- Scala Compiler Plugin --> <plugin> <groupId>net.alchim31.maven</groupId> <artifactId>scala-maven-plugin</artifactId> <version>4.8.1</version> <executions> <execution> <goals> <goal>compile</goal> <goal>testCompile</goal> </goals> </execution> </executions> <configuration> <scalaVersion>${scala.version}</scalaVersion> </configuration> </plugin> <!-- Maven Compiler Plugin --> <plugin> <groupId>org.apache.maven.plugins</groupId> <artifactId>maven-compiler-plugin</artifactId> <version>3.11.0</version> <configuration> <source>8</source> <target>8</target> </configuration> </plugin> <!-- Maven Assembly Plugin: 构建可执行 fat jar --> <plugin> <groupId>org.apache.maven.plugins</groupId> <artifactId>maven-assembly-plugin</artifactId> <version>3.6.0</version> <configuration> <descriptorRefs> <descriptorRef>jar-with-dependencies</descriptorRef> </descriptorRefs> <archive> <manifest> <mainClass>${main.class}</mainClass> <!-- 设置主类 --> </manifest> </archive> <finalName>scala_tutorial</finalName> <appendAssemblyId>false</appendAssemblyId> <!-- 不加 -jar-with-dependencies --> </configuration> <executions> <execution> <id>make-assembly</id> <phase>package</phase> <goals> <goal>single</goal> </goals> </execution> </executions> </plugin> </plugins> </build> </project> ``` --- ### ✅ 关键修改点解释 | 修改项 | 说明 | |------|------| | `<packaging>jar</packaging>` | 明确打包类型 | | `<sourceDirectory>` | 告诉 Maven 正确扫描 Scala 源码目录 | | 排除 `slf4j-log4j12`, `slf4j-reload4j`, `log4j` 等冲突依赖 | 防止“Multiple SLF4J bindings”错误 | | 添加 `log4j-over-slf4j` + `reload4j` | 统一日志输出机制 | | 统一引入 `guava` 并排除其他模块中的版本 | 防止 `NoSuchMethodError` | | 在 `maven-assembly-plugin` 中设置 `<mainClass>` | 生成的 JAR 可直接用 `java -jar xxx.jar` 运行 | | `<appendAssemblyId>false</appendAssemblyId>` | 输出文件名为 `scala_tutorial.jar` 而不是 `xxx-jar-with-dependencies.jar` | --- ### ✅ 编译和运行方式 #### 1. 编译打包： ```bash mvn clean package ``` ✅ 输出：`target/scala_tutorial.jar` #### 2. 运行（IDEA 或命令行）： ```bash java -cp target/scala_tutorial.jar MySQLToHiveIncremental2 ``` 或直接运行： ```bash spark-submit --class MySQLToHiveIncremental2 target/scala_tutorial.jar ``` --- ### ✅ 补充建议 1. **添加 `log4j.properties` 文件** - 在 `src/main/resources/` 下新建文件：`log4j.properties` - 内容见上一个回答，否则仍有 `No appenders could be found` 警告 2. **确保你的主类中有 `.master("local[*]")`** ```scala val spark = SparkSession.builder() .appName("MySQLToHive") .master("local[*]") // 必须有！ .enableHiveSupport() .getOrCreate() ``` --- ### ✅ 成功标志 当你看到以下日志时，表示成功启动： ``` INFO SparkContext: Running Spark version 3.1.1 INFO SparkUI: Bound SparkUI to 0.0.0.0, and started at http://xxx:4040 ``` ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值