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
黑十5 小时前
FDE 怎么快速搭一个可演示页面?最小前端方案Databend5 小时前
OpenRaft 自定义 Membership,按部署拓扑选择 QuorumDatabend6 小时前
用 SQL 排查支付故障,OpenTelemetry 接入 Databend Cloud 实战上海潭龙东海科技有限公司6 小时前
智慧堆场动态模型三维实时孪生重构智能管控尹文祥7 小时前
Apache Doris 2.1.10:存储结构、索引与查询优化详解isfox10 小时前
Hadoop 序列化:为什么不用 Java 自带 Serializable?字节跳动数据平台11 小时前
火山引擎 VeKnow 落地指南(下):从知识编译到价值渗透AI源码13 小时前
基于Spark的期刊推荐系统的设计与实现玩美数据13 小时前
海外市场数据分析驱动下的产业趋势演变与竞争格局深度解读wuyk5551 天前
Spider-第16讲-线程池与竞态问题