假期学习【四】RDD编程实验一

1.今天把Spark编程第三个实验的Scala独立程序编程写完了。使用 sbt 打包 Scala 程序，然后提交到Spark运行。

2.完成了实验四的第一项

（1）该系总共有多少学生；

 

map(t => t.split(",")(0))表示：lines这个RDD中每个元素被split()函数拆分成3个字符串，保存到数组中，然后，把数组中的第1个元素(即学生名字字段的值)取出来放到新的RDD中。

distinct()表示：去重操作，即把重复的学生名字去掉，只保留一个。

count()表示：求去重后的学生总人数。 

（2）该系共开设来多少门课程；

 与第一问同理，只不过改为数组的第二个元素。

（3）Tom 同学的总成绩平均分是多少；

lines.filter(t => t.split(",")(0) == "Tom")表示：过滤掉数据集中第1个字段非“Tom”的名字，即只保留Tom的数据。

map(t => (t.split(",")(0), t.split(",")(2).toInt)) 表示：lines这个RDD中每个元素被split()函数拆分成3个字符串，保存到数组中，然后，把数组中的第1个元素和第3个元素取出来放到新的RDD中，.toInt的作用是把String类型的成绩值转变成Int类型，可以进行运算。

mapValues(x => (x,1))表示：构建(key, value)类型的键值对，其中，key表示Int类型的成绩，value表示数字"1"。

reduceByKey((x,y) => (x._1+y._1, x._2+y._2))表示：x._1+y._1表示把key(成绩)相加，x._2+y._2表示把value(数字“1”)相加。

mapValues(x => x._1/x._2)表示：总成绩/科目总数

values表示：返回value值（即平均成绩）。

（4）求每名同学的选修的课程门数；

数据大概如下，仅展示部分结果如图:

 

（5）该系 DataBase 课程共有多少人选修；

（6）各门课程的平均分是多少；

 

（7）使用累加器计算共有多少人选了 DataBase 这门课。