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
小高不会迪斯科36 分钟前
MIT 6.824学习心得(1) 浅谈分布式系统概论与MapReduceTDengine (老段)1 小时前
使用 StatsD 向 TDengine 写入Gauss松鼠会1 小时前
GaussDB权限管理:从RBAC到精细化控制的企业级安全实践时序数据说1 小时前
时序数据库IoTDB用户自定义函数(UDF)使用指南大师兄带你刨AI2 小时前
「AI产业」| 《中国信通院&华为:智能体技术和应用研究报告》武子康2 小时前
大数据-31 ZooKeeper 内部原理 Leader选举 ZAB协议zkmall2 小时前
ZKmall模块商城批发电商平台搭建方案,多商户支持 + 订单管理功能全覆盖Edingbrugh.南空4 小时前
Flink Postgres CDC 环境配置与验证isNotNullX4 小时前
什么是数据分析?常见方法全解析小袁拒绝摆烂4 小时前
ElasticSearch快速入门-1