业务场景:数据排序
1、”数据排序”是许多实际任务执行时要完成的第一项工作,
比如学生成绩评比、数据建立索引等。这个实例和数据去重类似,都是先对原始数据进行初步处理,为进一步的数据操作打好基础。
1)、需求描述
对输入文件中数据进行排序。输入文件中的每行内容均为一个数字,即一个数据。
要求在输出中每行有两个间隔的数字,其中,第一个代表原始数据在原始数据集中的位次,第二个代表原始数据。
2)输入文件
file1:
2
32
654
32
15
756
65223
file2:
5956
22
650
92
file3:
26
54
6
样例输出:
1 2
2 6
3 15
4 22
5 26
6 32
7 32
8 54
9 92
10 650
11 654
12 756
13 5956
14 65223
package ClassicCase
import org.apache.spark.{SparkConf, SparkContext}
/**
- 业务场景:数据排序
- Created by YJ on 2017/2/8.
*/
object case3 {
def main(args: Array[String]): Unit = {
val conf = new SparkConf().setMaster("local").setAppName("reduce")
val sc = new SparkContext(conf)
sc.setLogLevel("ERROR")
val three = sc.textFile("hdfs://192.168.109.130:8020//user/flume/ClassicCase/case3")
var idx = 0
//由入输入文件有多个,产生不同的分区,为了生产序号,使用HashPartitioner将中间的RDD归约到一起。
import org.apache.spark.HashPartitioner
val res = three.filter(_.trim().length>0) //清洗数据
.map(num=>(num.trim.toInt,"")) //转换数据
.partitionBy(new HashPartitioner(1)) //将所有数据放到一个分区
.sortByKey() //按自然顺序排序
.map(t => { //整理输出格式
idx += 1
(idx,t._1)}
).collect.foreach(x => println(x._1 +"\t" + x._2) )
}
}
输出结果:
1 2
2 6
3 15
4 22
5 26
6 32
7 32
8 54
9 92
10 650
11 654
12 756
13 5956
14 65223
网友评论