Spark-生产案例

朱雀 2024-02-19 14:48 27阅读 0赞

一切理论源于实践，理论最终也要为实践服务。产生于他，服务与他，在生活中只有敢尝试，再有可能进步，光想是不会成功的  
——————————送给努力实践的你

### 分享一个实际生产案例： ###

**统计每个域名的流量和（域名字段11，流量字段20）**

import org.apache.spark.{SparkConf, SparkContext}
    
    object LogAppscala {
      def main(args: Array[String]): Unit = {
    
      val sparkConf = new  SparkConf()
          .setMaster("local[2]").setAppName("SparkContext")
        val sc = new SparkContext(sparkConf)
          
          val lines = sc.textFile("file:///E:\\data.txt")
           lines.map(x => {
             val temp = x.split("\t")
             val domain =temp(10)
             var repson =0L
             try{
               repson = temp(19)toLong
    
             }catch{
               case e:Exception =>println("----")
             }(domain,repson)
             }).reduceByKey(_+_).collect().foreach(println)
            lines.take(2).foreach(println)
         sc.stop()
      }
    }

**注意：流量这种类型是Long，所以这里要加上toLong  
要考虑到流量为0的情况，所以加上try,这里的操作  
其中还遇到的一个问题，出在上传路径哪里的写法**

### 实例二 ###

**访问次数最多的URL（0）并排序**

object LogAppscala {
      def main(args: Array[String]): Unit = {
    
        val sparkConf = new  SparkConf()
          .setMaster("local[2]").setAppName("SparkContext")
        val sc = new SparkContext(sparkConf)
       
          val lines = sc.textFile("file:///E:\\data.txt")
          lines.map(x => {
          val temp = x.split("\t")
          (temp(0),1L)//（url,count)
           }).reduceByKey(_+_).sortBy(_._2, false).take(10).foreach(println)
    
        sc.stop()
      }
      }