Spark采用Local模式运行,Spark版本3.2.0,Scala版本2.12,集成idea开发环境。
实验代码
import org.apache.spark.{SparkConf, SparkContext}
object ReduceByKey {
def main(args: Array[String]): Unit = {
// 创建 SparkConf 并设置相关配置
val conf = new SparkConf().setAppName("WordCountExample").setMaster("local[*]")
// 创建 SparkContext
val sc = new SparkContext(conf)
// 定义要计数的单词列表
val wordList = List("hello", "world", "hello", "spark", "world", "spark", "hello")
// 将列表转换为RDD
val rdd = sc.parallelize(wordList)
rdd.foreach(v => println(v))
// 对单词进行映射计数,相同的键进行累加
val rdd2 = rdd.map(v => (v, 1)).reduceByKey(_ + _)
// 打印单词计数结果
rdd2.foreach(println)
// 关闭 SparkContext
sc.stop()
}
}
在执行 reduceByKey(_ + _) 这一步后,生成的 RDD 将包含每个单词及其对应的累加值,数据结构类似于 (单词, 累加值)。
在上下文中,_ + _ 表示一个匿名函数,用于对两个相同类型的值进行相加操作。在这里,这两个值是指 reduceByKey 函数对于相同键的两个值。具体来说:
第一个 _ 表示相同键的第一个值。
第二个 _ 表示相同键的第二个值。文章来源:https://www.toymoban.com/news/detail-640824.html
在这个例子中,键是单词,而值是累加的次数。所以 _ + _ 表示将相同键的值(即累加的次数)相加,以得到该键对应的总累加值。文章来源地址https://www.toymoban.com/news/detail-640824.html
实验结果
hello
hello
spark
world
world
spark
hello
(spark,2)
(hello,3)
(world,2)
到了这里,关于使用ReduceByKey在Spark中进行词频统计的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!