Spark 分析網(wǎng)站排名熱度

需求:

/ 解決是一個(gè)各個(gè)子模塊內(nèi)的熱度排名--》 排名得用sortBy ---》 （可能就是簡(jiǎn)單的排序，或者是二次排序） ---》

// 前面有一個(gè)wordCount---》 算出次數(shù)出來(lái)  --》 考慮什么作為key

//算的一個(gè)網(wǎng)站下面，每個(gè)子模塊下面的網(wǎng)頁(yè)熱度前2名 ：

// 算的一個(gè)網(wǎng)站下面，每個(gè)子模塊下面的網(wǎng)頁(yè)熱度前2名 --》 每個(gè)子模塊下面的網(wǎng)頁(yè)的次數(shù)的前2名

// 在實(shí)際開(kāi)發(fā)中，真正代碼時(shí)間可能只占20-30% ，其他時(shí)間都在理解需求，想思路

import java.net.URL
import org.apache.spark.{SparkConf, SparkContext}

object Data_anlysis {
  def main(args: Array[String]) {
    val conf = new SparkConf().setAppName("data-anysis").setMaster("local[2]")
    val sc = new SparkContext(conf)
    val linesRDD = sc.textFile("d://web_data.log")
    val rdd01 =linesRDD.map(line => {
      val lineSplited = line.split("\t")
      (lineSplited(1),1)
    })
    val rdd02 = rdd01.reduceByKey(_+_)
    val rdd03 = rdd02.map(tup => {
      val url = tup._1;
      val host = new URL(url).getHost
      (host,url,tup._2)
    })
    val rdd04 = rdd03.groupBy(_._1)
    val rdd05 = rdd04.mapValues(iter => {
      iter.toList.sortBy(_._3).reverse.take(2)
    })
    println(rdd05.collect().toBuffer)
    sc.stop()
  }
}

運(yùn)行結(jié)果會(huì)把網(wǎng)站的日志數(shù)據(jù)按照某一模塊的要求列出排名前2個(gè)結(jié)果展示出來(lái)。