Spark案例練習-UV的統計

關注公衆號：分享電腦學習
回覆"百度雲盤" 可以免費獲取所有學習文檔的代碼（不定期更新）
雲盤目錄說明：
tools目錄是安裝包
res 目錄是每一個課件對應的代碼和資源等
doc 目錄是一些第三方的文檔工具

 

承接上一篇文檔《Spark案例練習-PV的統計》

參數說明：

 

繼續上面的PV代碼編寫即可

思路：UV的計算

1.數據進行過濾清洗，獲取兩個字段（時間、guid）

2.guid非空，時間非空，時間字符串的長度必須大於10

3.將同一天的數據放在一起，根據guid去重，統計去重的結果

代碼：

val rdd2 = rdd.map(line => line.split("\t"))
.filter(arr => {
//保留正常數據
arr.length >=3 && arr(2).trim.nonEmpty && arr(0).trim.length > 10
})
.map(arr => {
val date = arr(0).trim.substring(0,10)
val guid = arr(2).trim
(date,guid) // (date,url)
})

繼續編寫代碼

 

有兩種方式：

1. 基於groupByKey進行UV的統計

2. 基於reduceByKey實現UV的統計

先看基於groupByKey進行UV的統計

val uvRdd = rdd2.groupByKey()
.map(t => {
val date = t._1
val guids = t._2
val uv = guids.toSet.size
(date,uv)
})
println("uv------------------" + uvRdd.collect().mkString(";"))

 

 

再看基於reduceByKey實現UV的統計

rdd2.map(t => {
((t._1,t._2),1)
})
.reduceByKey(_+_)
.map(_._1)
val uvRDD: RDD[(String, Int)] = rdd2.distinct()
.map(t => (t._1, 1))
.reduceByKey(_+_)
println("uv------------------" + uvRDD.collect().mkString(";"))

 

 

 

最終指標的合併

val pvuvRdd = pvRdd.fullOuterJoin(uvRdd)
.map(t => {
val date = t._1
val pv = t._2._1.getOrElse(0) //如果有值則返回對應的值，如果無值則返回0
val uv = t._2._2.getOrElse(0)
//返回結果
(date,pv,uv)
})

 

打印一下，可以看到合併的數據

 

數據輸出（Driver、保存HDFS上，保存到RDBMS中）

數據返回給Driver

val result = pvuvRdd.collect()

 

保存到HDFS上

pvuvRdd.saveAsTextFile(s"hdfs://master:9000/data/pv_uv/${System.currentTimeMillis()}")

 

端口注意下，如果想用域名（master）就要確保在本地hosts文件配置了（win環境下）

運行一下，可以看到hdfs上有了這個文件

 

保存到RDBMS中、保存到非關係型數據庫中

建庫建表

CREATE DATABASE spark_test;

USE spark_test;

CREATE TABLE pvuv(
`date` DATE NOT NULL,
`pv` INT(11) NOT NULL,
`uv` INT(11) NOT NULL
)ENGINE=MYISAM DEFAULT CHARSET=utf8;

編寫代碼

其中val conn = DriverManager.getConnection("","","")這句話是url、user和password

代碼

pvuvRdd.foreachPartition(iter => {
//1. 創建數據庫連接對象
//2. 創建數據輸出prepareStatement對象
val conn = DriverManager.getConnection("jdbc:mysql://localhost:3306/spark_test","root","root")
val pstmt = conn.prepareStatement("insert into pvuv(date,pv,uv) values(?,?,?);")
//3. 數據迭代輸出
iter.foreach(t => {
val date = t._1
val pv = t._2
val uv = t._3
pstmt.setString(1,date)
pstmt.setInt(2,pv)
pstmt.setInt(3,uv)
pstmt.executeUpdate()
})
//4. 關閉連接
conn.close()
pstmt.close()
})

 

 

運行代碼，查看數據庫