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
大树889 小时前
金刚石散热越强,管路越先见顶大志哥12310 小时前
ES和Logstash日志链路系统上线后遭遇切片爆炸(解决)果丁智能11 小时前
物联网智能锁赋能集中式住宿:身份核验与远程权限管控的全链路技术实践ApacheSeaTunnel11 小时前
实战演示 | 基于 Apache SeaTunnel 与 Apache DolphinScheduler 实现 MySQL 到 Doris 离线定时增量同步weixin_3975740912 小时前
PDF复杂表格的1:1还原引擎:跨页表格自动拼接技术实战极光代码工作室12 小时前
基于数据仓库的电商数据分析平台秋名山码民13 小时前
Graph RAG 深度解析:从向量检索到知识推理的技术演进m0_3801671413 小时前
面向开发者的Top10加密货币数据API(2026年最新)yyxx41212313 小时前
上海企业如何选择专业的钉钉服务商QZ1665609515914 小时前
动态感知·全覆盖管控·符合司法要求:通用行业知形数据库风险监测合规落地方案