用Spark做wordcount
#基于python的spark
#导入pyspark库
from pyspark import SparkContext
#配置SparkContext
sc = SparkContext('local','wordcount')
#创建一个新的RDD，加载本地文件
textFile = sc.textFile("file:///usr/local/spark/mycode/TestPackage/wordcount.txt")
#转换操作
#flatMap(func)：与map()相似，但每个输入元素都可以映射到0或多个输出结果
#map(func)：将每个元素传递到函数func中，并将结果返回为一个新的数据集
#reduceByKey(func)：应用于(K,V)键值对的数据集时，返回一个新的(K, V)形式的数据集，其中的每个值是将每个key传递到函数func中进行聚合
wordcount = textFile.flatMap(lambda line : line.split(" ")
).map(lambda word: (word,1)
).reduceByKey(lambda a, b : a+b)
#行动操作
#foreach(func) 将数据集中的每个元素传递到函数func中运行
wordcount.foreach(print)
结语:从代码和运行结果来看，Spark的代码比hadoop的代码简单了不止一倍，且运行时间也是非常的短