【spark】示例：连接操作

我们有这样两个文件

任务：找出用户评分平均值大于4的电影。

我们看两个文件结果，第一个文件有电影的ID和名字，第二个文件有电影的ID和所有用户的评分

对于任务结果所需要的数据为电影ID，电影名字，平均评分。平均评分用所有用户评分总和/用户数来求出

1.我们先计算电影的评分

（1）先读取电影评分文件

（2）取数据

我们看到每行的数据是通过：：来进行连接的，然后我们需要的是第二列的电影ID以及第二列的评分。

我们把两个有用的数据取出来，组成键值对的形式。

为什么要组成键值对的形式？

数据中每个用户的对电影的评分都是分开的，所以我们需要对电影ID进行分组操作，把所有评分分组。

之前示例中我们知道groupByKey能进行分组，同时还能把所有相同Key的数据组合成一个集合。

当我们把所有数据集合之后就很容易操作计算了。

所以我们把数据组合成为<电影ID，评分>这样的键值对的形式。

3.分组计算平均评分

我们看到我们分组之后，所有相同电影的不同用户的评分都被收集到了一个集合中。

那么如何计算平均评分呢？评分总分 / 评分个数 = 平均评分

Scala集合提供了sum方法来可以计算集合总和，提供了size方法来计算数据条数。

正好不用我们额外去求了，如果集合没有定义方法，我们也可以遍历后计算得出要求的值。

2.在取电影ID和电影名

我们查看数据结构，数据是通过：：连接的，对我们有用的数据为第一列电影ID和第二列电影名称

3.通过电影ID连接

我们把我们所有需要的数据都取出来了，接下来进行连接就可以了。

但是，我们连接需要把电影ID作为连接的key。

我们需要的结果为(ID,NAME,SCORE)

如果我们直接对id进行连接的话，我们连接出来的结果只有(NAME,SCORE)缺少了ID

所以我们需要再次对数据进行处理，我们通过.keyBy()方法新生成一个key，同时value为原始的数据

然后我们再进行连接操作，注意join连接操作是内链接，

连接后的key是连接键，value为所有相同key的集合，可以通过 _2._x 来进行访问

4.过滤求出平均评分大于4的记录

转载于:https://www.cnblogs.com/zzhangyuhang/p/9038689.html

【spark】示例：连接操作相关推荐

Spark SQL JOIN操作代码示例
title: Spark SQL JOIN操作 date: 2021-05-08 15:53:21 tags: Spark 本文主要介绍 Spark SQL 的多表连接,需要预先准备测试数据.分别创建 ...
学习笔记Spark（七）—— Spark SQL应用（2）—— Spark DataFrame基础操作
二.Spark DataFrame基础操作 2.1.DataFrame DataFrame是一种不可变的分布式数据集,这种数据集被组织成指定的列,类似于关系数据库中的表. 数据集的每一列都带有名称和类 ...
SQL 经典回顾：JOIN 表连接操作不完全指南
也许最强大的SQL功能是JOIN操作.这让所有非关系数据库羡慕不已,因为当你想"合并"两个数据集时,这个概念是如此简单,并且又普遍适用. 简单地说,连接两个表,就是将一个表中的每一 ...
php框架 mysql拼接操作_PHP对数据库MySQL的连接操作
PHP对数据库MySQL的连接操作 PHP可以利用扩展.框架进行对数据库的CURD操作.当连接MySQL数据库服务器的时候,PHP中提供的用于MySQL的主要API有三种:mysql扩展.mysqli ...
连接mysql数据库字符串_MySQL数据库中怎么将字符串连接操作
MySQL数据库中怎么将字符串连接操作发布时间:2020-11-30 09:54:14 来源:亿速云阅读:68 作者:小新小编给大家分享一下MySQL数据库中怎么将字符串连接操作,相信大部分人都 ...
mysql odbc 数据库连接字符串_MySQL数据库：如何字符串连接操作？
不管你是做数据分析,还是网络爬虫.Web 开发.亦或是机器学习,你都离不开要和数据库打交道.数据库基本上是结构化数据的集合,通过数据库可以用各种方式轻松地检索,管理和访问数据.如今,像MySQL 这样 ...
一起学Hadoop——实现两张表之间的连接操作
---恢复内容开始--- 之前我们都是学习使用MapReduce处理一张表的数据(一个文件可视为一张表,hive和关系型数据库Mysql.Oracle等都是将数据存储在文件中).但是我们经常会遇到处理 ...
python连数据库课程设计_python 连接操作各类数据库
摘要: 用Python写脚本也有一段时间了,经常操作数据库(MySQL),现在就整理下对各类数据库的操作,如后面有新的参数会补进来,慢慢完善. 一,python 操作 MySQL:详情见:这里 mac ...
工程之星android版使用,安卓版工程之星软件网络1+1模式及网络cors连接操作详解...
原标题:安卓版工程之星软件网络1+1模式及网络cors连接操作详解现在,越来越多用户开始使用安卓版工程之星进行作业,科力达技术工程师总结了安卓版工程之星网络1+1模式及网络CORS连接方式操作步骤, ...

【spark】示例：连接操作

【spark】示例：连接操作相关推荐

最新文章

热门文章