栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 前沿技术 > 大数据 > 大数据系统

大数据架构——词频分析 | 文本搜索(Spark 版)

大数据架构——词频分析 | 文本搜索(Spark 版)

词频分析
from pyspark import SparkContext


def main():
    sc = SparkContext(appName='SparkWordCount')

    input_file = sc.textFile('hdfs:///Input.txt')
    counts = input_file.flatMap(lambda line: line.split()).map(lambda word: (word, 1)).reduceByKey(lambda a, b: a + b)
    counts.saveAsTextFile('output3')
    sc.stop()


if __name__ == '__main__':
    main()

运行:$spark-submit --master local word_count.py

文本搜索

找出含有指定字符串的电影。 数据集:movies
数据浏览:

from pyspark import SparkContext
import re
import sys


def main():
    if (len(sys.argv)) != 2:
        sys.stderr.write('Usage: {} '.format(sys.argv[0]))
        sys.exit()
    sc = SparkContext(appName='SparkWordCount')

    requested_movie = sc.broadcast(sys.argv[1])

    source_file = sc.textFile('/movies')

    titles = source_file.map(lambda line: line.split('|')[1])

    normalized_title = titles.map(lambda title: (re.sub(r's*(d{4})', '', title).lower(), title))

    matches = normalized_title.filter(lambda x: requested_movie.values in x[0])

    matching_titles = matches.map(lambda x: x[1]).distinct().collect()

    print('{} Matching titles found:'.format(len(matching_titles)))
    for title in matching_titles:
        print(title)

    sc.stop()


if __name__ == '__main__':
    main()

运行:$spark-submit text_search.py gold

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/673985.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号