• 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()
  }
}