sparkcore实现word count

本文介绍使用Apache Spark通过六种不同方法实现WordCount的过程,包括reduceByKey、groupByKey、aggregateByKey、foldByKey和combineByKey等,并提供了基于Spark 3.1.2和Scala 2.12.13的具体代码示例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

spark core几种实现word count的方式(基于spark3.1.2和scala2.12.13):

import org.apache.spark.{SparkConf, SparkContext}

object WordCount {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf().setMaster("local[4]").setAppName("WordCount")
    val sc = new SparkContext(conf)
    val rdd = sc.makeRDD(Seq("Apache Spark lightning-fast unified analytics engine",
      "Apache Spark is a unified analytics engine for large-scale data processing"))
      .flatMap(_.split(" ")).map((_, 1))

    println("==========1. reduceByKey==========")
    val words = rdd.reduceByKey(_ + _)
    words.collect().foreach(println)

    val groupRDD = rdd.groupByKey().mapValues(_.sum)
    println("==========2. groupByKey==========")
    groupRDD.collect().foreach(println)

    val aggRDD = rdd.aggregateByKey(0)(math.max, _ + _)
    println("==========3. aggregateByKey1==========")
    aggRDD.collect().foreach(println)

    println("==========4. aggregateByKey2==========")
    val aggRDD2 = rdd.aggregateByKey(0)(_ + _, _ + _)
    aggRDD2.collect().foreach(println)

    val foldRDD = rdd.foldByKey(0)(_ + _)
    println("==========5. foldByKey==========")
    foldRDD.collect().foreach(println)

    val combineRDD = rdd.combineByKey((_, 1),
      (acc: (Int, Int), v) => (acc._1 + v, acc._2 + 1),
      (acc1: (Int, Int), acc2: (Int, Int)) => (acc1._1 + acc2._1, acc1._2 + acc2._2)
    ).mapPartitions(prt => {
      prt.map(f => (f._1, f._2._2))
    })
    println("==========6. combineByKey==========")
    combineRDD.collect().foreach(println)

    sc.stop()
  }
}
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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