spark wordcount

最新推荐文章于 2025-12-07 00:41:20 发布

原创最新推荐文章于 2025-12-07 00:41:20 发布 · 229 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#spark

spark 专栏收录该内容

2 篇文章

订阅专栏

本文介绍了一种使用Apache Spark实现WordCount的详细过程，包括数据读取、处理、聚合及排序，展示了Spark在大规模数据处理上的高效性。

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

object SprakWordCount {
  def main(args: Array[String]): Unit = {
    //参数检查
    if (args.length < 2) {
      System.err.println("Usage: myWordCount <input> <output>")
      System.exit(1)
    }

    //设置spark配置
    val conf: SparkConf = new SparkConf().setAppName("myWordCount") //.setMaster("local[*]")
    //
    val sc:SparkContext=new SparkContext(conf)
    //读取输入数据 s
    val  lines=sc.textFile(args(0))
    //处理数据
    //切分压平
    val words: RDD[String] = lines.flatMap(_.split(","))
    //将单词和1组合在一起 让每个单词1都出现一次
    val wordone: RDD[(String, Int)] = words.map((_, 1))
    //聚合 单词计数
    //在一个(K,V)的RDD上调用，返回一个(K,V)的RDD，使用指定的reduce函数，
    // 将相同key的值聚合到一起，与groupByKey类似，
    // reduce任务的个数可以通过第二个可选的参数来设置
    val reduced: RDD[(String, Int)] = wordone.reduceByKey(_ + _)
    //排序 按照单词出现的次数 降序排序
    val ans = reduced.sortBy(_._2, false)

    
      
   
      ans.saveAsTextFile(args(1))
      //    println(ans.collect().toBuffer)

    

    //关闭
    sc.stop()

  }

}