《大数据商业实战三部曲》打印所有电影中评分最高的前20个电影名和平均分数

package cn.spark.study.project.movie;

import java.math.BigDecimal;
import java.util.List;
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.Function2;
import org.apache.spark.api.java.function.PairFunction;
import scala.Tuple2;

/**
 * 电影排行榜实例分析
 * @author dahai
 *08 20 18:37
 */
public class RDD_Movie_Users_Analyzer {
 //数据下载
 //https://grouplens.org/datasets/movielens/
 //movies.dat,ratings.dat,users.dat
 public static void main(String[] args){
  //第一步定义spark上下文，设置spark应用信息
  SparkConf conf = new SparkConf()
    .setAppName("RDD_Movie_Users_Analyzer")
    .setMaster("local");
  // 第二步：创建JavaSparkcontext对象
  JavaSparkContext sc =new JavaSparkContext(conf);
  //第三步:
  //针对输入源（HDFS)：创建一个初始化RDD
  JavaRDD ratingsRDD=sc.textFile("C://Users//dahai//Desktop//sparkdata//movie/ratings.dat");
  //循环输出数据
  /*ratingsRDD.foreach(new VoidFunction() {
   private static final long serialVersionUID = 1L;

   @Override
   public void call(String data) throws Exception {
    System.out.println(data);
    
   }
  });*/
  
  JavaRDD movieRDD=sc.textFile("C://Users//dahai//Desktop//sparkdata//movie/movies.dat");
  
  //获取所有电影的平均分数
  JavaPairRDD  aveRDD=getAveMovie(ratingsRDD);
  
  //实现评分最高的前20名电影和平均分
  getTop20Ave(aveRDD,movieRDD);
  
  //最后一步关闭连接
  sc.close();
 
 }

 private static JavaPairRDD getAveMovie(JavaRDD ratingsRDD) {
  //第一步获取电影ID总评分和总次数
    //1获取电影id和评分数次数
    JavaPairRDD> movieAndRatPairRDD =ratingsRDD.mapToPair(new PairFunction>() {
     private static final long serialVersionUID = 1L;

     @Override
     public Tuple2> call(String row) throws Exception {
      String[] datas =row.split("::");
      String movleid=datas[1];
      Long rat=Long.valueOf(datas[2]);
      return new Tuple2>(movleid,new Tuple2(rat,1L));
     }
    });

    
    //测试数据正确性：
   /* movieAndRatPairRDD.foreach(new VoidFunction>>() {

     
     private static final long serialVersionUID = 1L;

     @Override
     public void call(Tuple2> tuple) throws Exception {
      System.out.println(tuple);
      
     }
    });
    */
    //2 获取电影ID总评分和总次数
    JavaPairRDD>  data= movieAndRatPairRDD.reduceByKey(new Function2, Tuple2, Tuple2>() {
     
     /**
      *
      */
     private static final long serialVersionUID = 1L;

     @Override
     public Tuple2 call(Tuple2 tuple1, Tuple2 tuple2) throws Exception {
      Long rat1 =tuple1._1;
      Long rat2 =tuple2._1;
      Long rat =rat1+rat2;
      Long count1 =tuple1._2;
      Long count2 = tuple2._2;
      Long  count3 =count1+count2;
      return new Tuple2(rat,count3);
     }
    });
    //(1486,(22,7)) (電影id:1486,(总评分数22，评分了7次）
    //(3492,(50,14))(電影id:3492,(总评分数22，评分了14次）
    /*data.foreach(new VoidFunction>>() {
     private static final long serialVersionUID = 1L;

     @Override
     public void call(Tuple2> tuple) throws Exception {
      System.out.println(tuple);
      
     }
    });*/
    //第三步获取该电影ID的平均分数
    JavaPairRDD  ave= data.mapToPair(new PairFunction>, String, Double>() {

     /**
      *
      */
     private static final long serialVersionUID = 1L;

     @Override
     public Tuple2 call(Tuple2> rat) throws Exception {
      String movieid =rat._1;
      Double result = new BigDecimal((float)rat._2._1 / rat._2._2).setScale(1, BigDecimal.ROUND_HALF_UP).doubleValue();
      return new Tuple2(movieid,result);
     }
    });
    return ave;
    
    //电影id.平均分数
    //(508,3.9)
    /*(2563,3.0)
    (1910,3.8)
    (1904,3.5)
    (3339,3.7)
    (1715,3.0)
    (605,3.3)
    (706,2.5)
    (2648,4.0)
    (710,2.3)
    (1208,4.2)
    (1,4.1)
    (1313,2.2)
    (2005,3.5)
    (1259,4.1)*/
    /*ave.foreach(new VoidFunction>() {
    private static final long serialVersionUID = 1L;

    @Override
    public void call(Tuple2 tuple) throws Exception {
     System.out.println(tuple);
     
    }
   });*/
 }

 /**
  * 获取评分最高前10名电影和平均分
  * @param aveRDD
  * @param movieRDD
  */
 private static void getTop20Ave(JavaPairRDD aveRDD, JavaRDD movieRDD) {
  
  
  //第四步:获取电影dat中电影ID，电影名称
  JavaPairRDD  movies=movieRDD.mapToPair(new PairFunction() {

   /**
    *
    */
   private static final long serialVersionUID = 1L;

   @Override
   public Tuple2 call(String line) throws Exception {
    String[] datas =line.split("::");
    String movieid =datas[0];
    String movieName=datas[1];
    return new Tuple2(movieid,movieName);
   }
  });
  
  //第五步根据电影ID join 排名信息,得到电影名称和平均分数
  
  JavaPairRDD moviesData=movies.join(aveRDD).mapToPair(new PairFunction>, Double, String>() {
   private static final long serialVersionUID = 1L;

   @Override
   public Tuple2 call(Tuple2> tuple) throws Exception {
    String movieName =tuple._2._1;
    Double ave =tuple._2._2;
    return new Tuple2(ave,movieName);
   }
  });
  
  //第六步取top10倒序排序输出
  List> moviestop10=moviesData.sortByKey(false).take(20);
  for(Tuple2 movieTop10 : moviestop10){
         String movieName = movieTop10._2;//获取电影名称·
         Double ave = movieTop10._1;//获取点评分数
         System.out.println(movieName+" 平均点评分数为："+ave);
       }
  
  /*Gate of Heavenly Peace, The (1995) 平均点评分数为：5.0
  Song of Freedom (1936) 平均点评分数为：5.0
  One Little Indian (1973) 平均点评分数为：5.0
  Schlafes Bruder (Brother of Sleep) (1995) 平均点评分数为：5.0
  Lured (1947) 平均点评分数为：5.0
  Bittersweet Motel (2000) 平均点评分数为：5.0
  Follow the Bitch (1998) 平均点评分数为：5.0
  Baby, The (1973) 平均点评分数为：5.0
  Smashing Time (1967) 平均点评分数为：5.0
  Ulysses (Ulisse) (1954) 平均点评分数为：5.0
  I Am Cuba (Soy Cuba/Ya Kuba) (1964) 平均点评分数为：4.8
  Lamerica (1994) 平均点评分数为：4.8
  Apple, The (Sib) (1998) 平均点评分数为：4.7
  Shawshank Redemption, The (1994) 平均点评分数为：4.6
  Sanjuro (1962) 平均点评分数为：4.6
  Seven Samurai (The Magnificent Seven) (Shichinin no samurai) (1954) 平均点评分数为：4.6
  Dry Cleaning (Nettoyage � sec) (1997) 平均点评分数为：4.5
  Hour of the Pig, The (1993) 平均点评分数为：4.5
  Callej�n de los milagros, El (1995) 平均点评分数为：4.5
  Skipped Parts (2000) 平均点评分数为：4.5*/
 }
}