Spark 分析網站排名熱度

標籤：spark   排名   

需求:

/ 解決是一個各個子模組內的熱度排名--》 排名得用sortBy ---》 （可能就是簡單的排序，或者是二次排序） ---》

// 前面有一個wordCount---》 算出次數出來  --》 考慮什麼作為key

//算的一個網站下面，每個子模組下面的網頁熱度前2名 ：

// 算的一個網站下面，每個子模組下面的網頁熱度前2名 --》 每個子模組下面的網頁的次數的前2名

// 在實際開發中，真正代碼時間可能只佔20-30% ，其他時間都在理解需求，想思路

import java.net.URLimport org.apache.spark.{SparkConf, SparkContext}

object Data_anlysis {  def main(args: Array[String]) {    val conf = new SparkConf().setAppName("data-anysis").setMaster("local[2]")    val sc = new SparkContext(conf)    val linesRDD = sc.textFile("d://web_data.log")    val rdd01 =linesRDD.map(line => {      val lineSplited = line.split("\t")      (lineSplited(1),1)    })    val rdd02 = rdd01.reduceByKey(_+_)    val rdd03 = rdd02.map(tup => {      val url = tup._1;      val host = new URL(url).getHost      (host,url,tup._2)    })    val rdd04 = rdd03.groupBy(_._1)    val rdd05 = rdd04.mapValues(iter => {      iter.toList.sortBy(_._3).reverse.take(2)    })    println(rdd05.collect().toBuffer)    sc.stop()  }}

運行結果會把網站的日誌資料按照某一模組的要求列出排名前2個結果展示出來。

本文出自 “星月情緣” 部落格，請務必保留此出處http://xuegodxingyue.blog.51cto.com/5989753/1950745

Spark 分析網站排名熱度