package org.example
import org.apache.spark.{Partitioner, SparkConf, SparkContext}
case class Order(id: Int, price: Double, info: String) {
override def toString: String = s"$id, $price, $info"
}
class orderPartitioner extends Partitioner{
override def numPartitions: Int = 3
override def getPartition(key: Any): Int = {
//0-1000 => 1
//1001-2000 => 2
//3
if (key.asInstanceOf[Int] <= 1000) {
0
} else if (key.toString.toInt <= 2000) {
1
} else {
2
}
}
}
object PartitionOrder {
def main(args: Array[String]): Unit = {
val conf = new SparkConf().setAppName("Partition").setMaster("local[*]")
val sc = new SparkContext(conf)
//读入data/order.csv 创建RDD
val orderRDD = sc.textFile("data/order.csv")
val rdd1 = orderRDD.map(line => {
val fields = line.split(",")
val order = Order(fields(0).toInt, fields(1).toDouble, fields(2))
(order.id, order)
})
val rdd2 = rdd1.partitionBy(new orderPartitioner)
rdd2.map(x => x._2).saveAsTextFile("data/output1")
rdd2.mapPartitions(iter => {
var count = 0
var sum = 0.0
iter.foreach(x => {
sum += x._2.price
count += 1
})
Iterator(s"${count}件, ${sum}元")
})saveAsTextFile("data/output2")
}
RDD-自定义分区器案例
懒惰的橘猫2025-05-14 9:26
相关推荐
zxsz_com_cn1 小时前
设备健康管理诊断报告生成:工业智能化的“决策引擎”与效率革命FPGA小迷弟6 小时前
ChatGPT回答用AI怎么怎么赚钱AllData公司负责人6 小时前
实时开发平台(Streampark)--Flink SQL功能演示小坏讲微服务8 小时前
MaxWell中基本使用原理 完整使用 (第一章)勇往直前plus10 小时前
ElasticSearch详解(篇一)一只小青团13 小时前
Hadoop之HDFSITVV13 小时前
hadoop-3.4.1 单机伪部署小杜谈数14 小时前
企业BI建议--数据治理平台谅望者14 小时前
数据分析笔记07:Python编程语言介绍中国国际健康产业博览会17 小时前
2026第35届中国国际健康产业博览会探索健康与科技的完美结合!