团购标签案例


数据提取

package cn.spark.uitls;

import com.alibaba.fastjson.JSONArray;
import com.alibaba.fastjson.JSONObject;

/**
 * 使用fastjson提取评论
 */
public class ExtractTags {

    
    public static String extract(String info){
        
        JSONObject jsonObj = JSONObject.parseObject(info);
        
        if (jsonObj == null || !jsonObj.containsKey("extInfoList")){
            
            return "";
        }
        
        JSONArray jsonArray = jsonObj.getJSONArray("extInfoList");
        
        if(jsonArray == null){
            
            return "";
        }
        
        StringBuffer sb = new StringBuffer();
        
        for(int i = 0; i < jsonArray.size(); i++){
            
            JSONObject obj = jsonArray.getJSONObject(i);
            
            if(obj != null && obj.containsKey("values") 
                    && obj.containsKey("title") 
                    && obj.getString("title").equals("contentTags")){
                
                JSONArray tagsArray = obj.getJSONArray("values");
                
                if(tagsArray != null){
                    
                    for(int j = 0; j < tagsArray.size(); j++){
                        
                        sb.append(tagsArray.get(j));
                        
                        if(j != tagsArray.size() - 1){
                            
                            sb.append(",");
                        }
                    }
                }
                
            }
        }
        
        return sb.toString();
    }
}

排序比较器

package cn.spark.uitls;

import java.util.Comparator;

import scala.Tuple2;

public class TupleComparator implements Comparator<Tuple2<String, Integer>>{

    @Override
    public int compare(Tuple2<String, Integer> o1, Tuple2<String, Integer> o2) {

        return o2._2 - o1._2;
    }
}

生成标签

package cn.spark.core.tags;

import java.util.ArrayList;
import java.util.Arrays;
import java.util.Iterator;
import java.util.List;
import java.util.TreeSet;

import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.api.java.function.Function;
import org.apache.spark.api.java.function.Function2;
import org.apache.spark.api.java.function.PairFunction;

import cn.spark.uitls.ExtractTags;
import cn.spark.uitls.TupleComparator;
import scala.Tuple2;

/**
 * 生成团购标签
 *
 */
public class TagsGenerator {

    public static void main(String[] args) {
        
        SparkConf conf = new SparkConf()
                .setAppName("TagsGenerator")
                .setMaster("local[4]");
        
        JavaSparkContext sc = new JavaSparkContext(conf);
        
        JavaRDD<String> tempTags = sc
                .textFile("file:///tags.txt");
        
        // 提取出评论,并转换成PairRDD
        JavaPairRDD<String, String> pairTags = tempTags.mapToPair(
                new PairFunction<String, String, String>() {

                    private static final long serialVersionUID = 2704806555244127991L;

                    @Override
                    public Tuple2<String, String> call(String line) throws Exception {
                        
                        String[] tagArray = line.split("\\t"); 
                        
                        return new Tuple2<String, String>(tagArray[0], ExtractTags.extract(tagArray[1]));
                    }
                });
        
//      System.out.println(pairTags.take(10));
        
        // 过滤出无效数据
        JavaPairRDD<String, String> vaildPairTags = pairTags.filter(
                new Function<Tuple2<String,String>, Boolean>() {
                    
                    private static final long serialVersionUID = 2341022888467424541L;

                    @Override
                    public Boolean call(Tuple2<String, String> tuple) throws Exception {
                        
                        if(tuple._2 == ""){
                            return false;
                        } else {
                            return true;
                        }
                    }
                });
        
//      System.out.println(vaildPairTags.take(10));
        
        // 把有效数据的vlaue转成数组
        JavaPairRDD<String, List<String>> vaildPairArrayTags = vaildPairTags.mapToPair(
                new PairFunction<Tuple2<String,String>, String, List<String>>() {

                    private static final long serialVersionUID = 4427355754150194235L;

                    @Override
                    public Tuple2<String, List<String>> call(Tuple2<String, String> tuple) throws Exception {
                        
                        String[] tags = tuple._2.split(",");
                        
                        return new Tuple2<String, List<String>>(tuple._1, Arrays.asList(tags));
                    }
                });
        
//      System.out.println(vaildPairArrayTags.take(10));
        
        // 压扁
        JavaPairRDD<String, String> flatPairTags = vaildPairArrayTags.flatMapValues(
                new Function<List<String>, Iterable<String>>() {

                    private static final long serialVersionUID = -83392454411970840L;

                    @Override
                    public Iterable<String> call(List<String> list) throws Exception {
                        
                        return list;
                    }
                    
                });
        
//      System.out.println(flatPairTags.take(10));
        
        // 标1
        JavaPairRDD<Tuple2<String, String>, Integer> flatPairTagsOne = flatPairTags.mapToPair(
                new PairFunction<Tuple2<String,String>, Tuple2<String, String>, Integer>() {

                    private static final long serialVersionUID = -4286078108295302852L;

                    @Override
                    public Tuple2<Tuple2<String, String>, Integer> call(Tuple2<String, String> tuple) throws Exception {
                        
                        return new Tuple2<Tuple2<String, String>, Integer>(tuple, 1);
                    }
                });
        
//      System.out.println(flatPairTagsOne.take(10));
        
        // 聚合reduceBykey
        JavaPairRDD<Tuple2<String, String>, Integer> aggFlatPairTags = flatPairTagsOne.reduceByKey(
                new Function2<Integer, Integer, Integer>() {
                    
                    private static final long serialVersionUID = 5247246198728620599L;

                    @Override
                    public Integer call(Integer v1, Integer v2) throws Exception {

                        return v1 + v2;
                    }
                });
        
//      System.out.println(aggFlatPairTags.take(10));
        
        // 让评价与次数组合为元组
        JavaPairRDD<String, Tuple2<String, Integer>> aggFlatPairTags_1 = aggFlatPairTags.mapToPair(
                new PairFunction<Tuple2<Tuple2<String,String>,Integer>, String, Tuple2<String, Integer>>() {

                    private static final long serialVersionUID = 3487125940408716180L;

                    @Override
                    public Tuple2<String, Tuple2<String, Integer>> call(Tuple2<Tuple2<String, String>, Integer> tuple)
                            throws Exception {
                        
                        return new Tuple2<String, Tuple2<String, Integer>>(tuple._1._1, new Tuple2<String, Integer>(tuple._1._2, tuple._2));
                    }
                });
        
//      System.out.println(aggFlatPairTags_1.take(10));
        
        // 把value放进List集合
        JavaPairRDD<String, List<Tuple2<String, Integer>>> aggFlatPairTags_2 = 
                aggFlatPairTags_1.mapToPair(
                    new PairFunction<Tuple2<String,Tuple2<String,Integer>>, 
                    String, List<Tuple2<String, Integer>>>() {

                        private static final long serialVersionUID = 4033983426111053118L;

                        @Override
                        public Tuple2<String, List<Tuple2<String, Integer>>> call(
                                Tuple2<String, Tuple2<String, Integer>> tuple) throws Exception {
                            
                            List<Tuple2<String, Integer>> list = new ArrayList<>();
                            
                            list.add(tuple._2());
                            
                            return new Tuple2<String, List<Tuple2<String,Integer>>>(tuple._1, list);
                        }
                    
                    });
        
//      System.out.println(aggFlatPairTags_2.take(10));
        
        // 聚合,把相同id的value方到同一个List集合
        JavaPairRDD<String, List<Tuple2<String, Integer>>> aggFlatPairTags_3 = 
                aggFlatPairTags_2.reduceByKey(
                        new Function2<List<Tuple2<String,Integer>>, 
                        List<Tuple2<String,Integer>>, 
                        List<Tuple2<String,Integer>>>() {
                            
                            private static final long serialVersionUID = -4811643037731110953L;

                            @Override
                            public List<Tuple2<String, Integer>> call(List<Tuple2<String, Integer>> v1, 
                                    List<Tuple2<String, Integer>> v2)
                                    throws Exception {
                                
                                v1.addAll(v2);
                                
                                return v1;
                            }
                        });
        
//      System.out.println(aggFlatPairTags_3.take(10));
        
        JavaPairRDD<String, String> result = aggFlatPairTags_3.mapToPair(
                new PairFunction<Tuple2<String,List<Tuple2<String,Integer>>>, String, String>() {

                    private static final long serialVersionUID = -2848536030175892531L;

                    @Override
                    public Tuple2<String, String> call(
                            Tuple2<String, List<Tuple2<String, Integer>>> tuple) throws Exception {
                        
                        TreeSet<Tuple2<String, Integer>> set = new TreeSet<>(new TupleComparator());
                        
                        set.addAll(tuple._2);
                        
                        Iterator<Tuple2<String, Integer>> iter = set.iterator();
                        
                        StringBuffer sb = new StringBuffer();
                        
                        int size = set.size();
                        int count = 0;
                        
                        while(iter.hasNext()){
                            count ++;
                            Tuple2<String, Integer> tags = iter.next();
                            
                            if(tags._1 != "" && tags._1 != null){
                                
                                sb.append(tags._1 + ":" + tags._2.toString());
                                
                                if(count != size){
                                    sb.append("|");
                                
                            }
                            
                        }
                            
                    }
                        
                        return new Tuple2<String, String>(tuple._1, sb.toString());
                    }
                });
        
        System.out.println(result.take(10));
        
        sc.close();
    }

}

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,313评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,369评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,916评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,333评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,425评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,481评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,491评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,268评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,719评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,004评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,179评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,832评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,510评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,153评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,402评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,045评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,071评论 2 352

推荐阅读更多精彩内容