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
byte轻骑兵29 分钟前
大数据时代时序数据库选型指南:深度解析与 Apache IoTDB 实践NPE~1 小时前
[docker/大数据]Spark快速入门的小姐姐2 小时前
AI与IIOT如何重新定义设备维护系统?_璞华大数据Hawkeye平台TDengine (老段)3 小时前
TDengine IDMP 最佳实践彬彬醤4 小时前
Mac怎么连接VPS?可以参考这几种方法星域智链4 小时前
车载 GPS 与手机导航的终极对决:谁在复杂路况下更胜一筹?MaxCode-15 小时前
单智能体篇:Prompt工程艺术计算机毕设残哥8 小时前
大数据毕业设计推荐:基于Hadoop+Spark的手机信息分析系统完整方案Hello.Reader9 小时前
Elasticsearch Rails 集成(elasticsearch-model / ActiveRecord)代码的余温10 小时前
Elasticsearch核心概念