[spark程序]统计人口平均年龄（本地文件）（详细过程）

一、题目描述

（1）编写Spark应用程序，该程序可以在本地文件系统中生成一个数据文件peopleage.txt，数据文件包含若干行（比如1000行，或者100万行等等）记录，每行记录只包含两列数据，第1列是序号，第2列是年龄。效果如下：

1    89
2    67
3    69
4    78

（2）编写Spark应用程序，对本地文件系统中的数据文件peopleage.txt的数据进行处理，计算出所有人口的平均年龄。

二、实现

1、生成数据文件peopleage.txt

1）创建程序的目录结构

创建一个存放代码的目录，进入目录下创建一个目录用来保存该题目所有文件（/swy/resource/spark/peopleage）

在peopleage目录下建立src/main/scala代码目录，专门用来保存scala代码文件，命令如下：

2）生成数据文件peopleage.txt的代码

创建一个代码文件GeneratePeopleAge.scala，用来生成数据文件peopleage.txt，命令如下：

代码如下：

import java.io.FileWriter
import java.io.File
import scala.util.Random

object GeneratePeopleAge{

    def main(args:Array[String]){
            val fileWriter = new FileWriter(new File("/swy/resource/spark/peopleage/peopleage.txt"),false)
            val rand = new Random()
            for (i <- 1 to 1000){
                fileWriter.write(i+" "+rand.nextInt(100))
                fileWriter.write(System.getProperty("line.separator"))
        }
            fileWriter.flush()
            fileWriter.close()
    }
}

3）sbt打包

退回到people目录下：

输入如下：

name := "Simple Project"
version := "1.0"
scalaVersion := "2.11.12"
libraryDependencies += "org.apache.spark" %% "spark-core" % "2.1.0"

输入命令打包：

sbt package

打包成功：

4）运行文件，生成peopleage.txt

可以看到目录下已经生成peopleage.txt，查看文件：

2、计算所有人口的平均年龄

1）创建CountAvgage.scala

2）代码

import org.apache.spark.SparkConf
import org.apache.spark.SparkContext

object CountAvgAge {
    def main(args:Array[String]) {
        if (args.length < 1) {
            println("Usage: CountAvgAge inputdatafile")
            System.exit(1)
        }
        val conf = new SparkConf().setAppName("Count average age")
        val sc = new SparkContext(conf)
        val lines = sc.textFile(args(0),3)
        val peopleNum =lines.count()
                val totalAge = lines.map(line => line.split(" ")(1)).map(t => t.trim.toInt).collect().reduce((a,b) => a+b)
        println("Total Age is: " +totalAge+ "; Number of People is: " +peopleNum)
        val avgAge : Double = totalAge.toDouble / peopleNum.toDouble
        println("Average Age is: " +avgAge)
    }
}

3）打包

退回people文件夹，输入命令打包：

4）运行程序

输入如下命令：

结果：

原文：http://dblab.xmu.edu.cn/blog/1756-2/