- 题目描述
/**
* 用户的行为日志数据清洗过滤
* 网站的独立访客数:一个唯一的IP地址就是一个独立访客
* 1、将用户行为日志数据中的IP地址字段获取到返回一个只包含IP地址的RDD
* 2、RDD中重复的IP去重
* 3、RDD中的累加值
*/
- 案例
object A2DataAnaly {
def main(args: Array[String]): Unit = {
val sparkConf:SparkConf = new SparkConf().setAppName("demo02").setMaster("local[3]")
val sc:SparkContext = new SparkContext(sparkConf)
val value: RDD[String] = sc.textFile("hdfs://node1:9000/dc")
val ip = value.map((line: String) => {
val str = line.split(" ")
(str(0), 1)
})
val ipAll: RDD[(String, Int)] = ip.distinct()
println(ipAll.count())
sc.stop()
}
}
标签:core,String,val,RDD,过滤,IP地址,sc,spark
From: https://www.cnblogs.com/jsqup/p/16629519.html