怎么用Spark求數(shù)據(jù)的最大值

本篇內(nèi)容介紹了“怎么用Spark求數(shù)據(jù)的最大值”的有關(guān)知識(shí)，在實(shí)際案例的操作過(guò)程中，不少人都會(huì)遇到這樣的困境，接下來(lái)就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細(xì)閱讀，能夠?qū)W有所成！

1： 以前用過(guò)hadoop從文件中讀取數(shù)據(jù)求過(guò)最大值?，F(xiàn)在用Spark來(lái)求最大值。由于spark的資料比較少所以搞了半天才弄完。我親自測(cè)試在local狀態(tài)下14750778條數(shù)據(jù)用了10秒。

2：下載spark-0.9.1-bin-hadoop1并解壓到F:\BigData (Spark可以再Windows上運(yùn)行) 打開(kāi)目錄F:\BigData\spark-0.9.1-bin-hadoop1\assembly\target\scala-2.10把里面的spark-assembly_2.10-0.9.1-hadoop1.0.4.jar放到新建的工程里面就可以了。

準(zhǔn)備數(shù)據(jù):新建一個(gè)data文件在里面輸入如下內(nèi)容：

1,1,5.0

1,2,1.0

1,3,5.0

1,4,1.0

2,1,5.0

2,2,1.0

2,3,5.0

2,4,1.0

3,1,1.0

3,2,5.0

3,3,1.0

3,4,5.0

4,1,1.0

4,2,5.0

4,3,1.0

4,4,5.0

1,1,5.0

1,2,1.0

1,3,5.0

1,4,1.0

2,1,5.0

2,2,1.0

2,3,5.0

2,4,1.0

3,1,1.0

3,2,5.0

3,3,1.0

3,4,5.0

4,1,1.0

4,2,5.0

4,3,1.0

4,4,5.0

1,1,5.0

1,2,1.0

1,3,5.0

1,4,1.0

2,1,5.0

2,2,1.0

數(shù)據(jù)之間用逗號(hào)分隔

打開(kāi)eclipse新建一個(gè)javaProject.

在任意包中書(shū)寫(xiě)如下內(nèi)容

package com.spark.test;

import java.util.Arrays;

import java.util.regex.Pattern;

import org.apache.spark.api.java.JavaDoubleRDD;

import org.apache.spark.api.java.JavaRDD;

import org.apache.spark.api.java.JavaSparkContext;

import org.apache.spark.api.java.function.DoubleFunction;

import org.apache.spark.api.java.function.FlatMapFunction;

import org.apache.spark.api.java.function.Function2;

public final class Max {

 private static final Pattern SPACE = Pattern.compile(",");

 public static void main(String[] args) throws Exception {

  // spark安裝目錄

  String spark_home = "F:\\BigData\\spark-0.9.1-bin-hadoop1";

  // "local" 代表了本地運(yùn)行模式

  JavaSparkContext ctx = new JavaSparkContext("local", "JavaWordCount",

    spark_home, JavaSparkContext.jarOfClass(JavaWordCount.class));

  // 加載文件

  JavaRDD<String> lines = ctx

    .textFile(

      "E:\\workspace\\spark\\src\\com\\spark\\resource\\test.data",

      1);

  // flatMap函數(shù)是把每一行根據(jù)分隔符把它變成多行。比如1,2,3 用逗號(hào)分隔用了flatMap后變成

  // 1

  // 2

  // 3 .這一行的主要作用是把所有的數(shù)據(jù)放到JavaRDD里面

  JavaRDD<String> words = lines

    .flatMap(new FlatMapFunction<String, String>() {

     @Override

     public Iterable<String> call(String s) {

      return Arrays.asList(SPACE.split(s));

     }

    });

  // 把JavaRDD<String>類(lèi)型變成JavaDoubleRDD類(lèi)型的

  JavaDoubleRDD one = words.map(new DoubleFunction<String>() {

   @Override

   public Double call(String s) throws Exception {

    if (s.trim().length() == 0) {

     s = "0";

    }

    return Double.parseDouble(s);

   }

  });

  // 統(tǒng)計(jì)有多少條數(shù)據(jù)

  System.out.println(one.count() + "%%%%%%%%");

  // 求最大值.new Function2<Double, Double, Double>()

  // 函數(shù)的3個(gè)參數(shù)，第一個(gè)和第二個(gè)參數(shù)對(duì)應(yīng)call函數(shù)里面的第一個(gè)參數(shù)和第二個(gè)參數(shù)。第3個(gè)參數(shù)代表call函數(shù)的返回值類(lèi)型

  Double max = one.rdd().reduce(new Function2<Double, Double, Double>() {

   @Override

   public Double call(Double i1, Double i2) throws Exception {

    return Math.max(i1, i2);

   }

  });

  System.out.println(max);

  System.exit(0);

 }

}

“怎么用Spark求數(shù)據(jù)的最大值”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識(shí)可以關(guān)注億速云網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實(shí)用文章！