一、例题

定制设计对于两个输入文件A和B，定制设计编写独立应用程序，定制设计对两个文件进行合并，定制设计并剔除其中重复的内容，得到一个新文件c。下面是输入文件和输出文件的一个样例，供参考。

  输入文件A的样例如下:

20170101    x

20170102    y

20170103    x

20170104    y

20170105    z

20170106    z

输入文件B的样例如下:

20170101    y

20170102    y

20170103    x

20170104    z

20170105    y

根据输入的文件A和B合并得到的输出文件c的样例如下:

20170101    x

20170101    y

20170102    y

20170103    x

20170104    y

20170104    z

20170105    y

20170105    z

20170106    z

二、代码

import org.apache.spark.{SparkConf, SparkContext}
 
object distinctTwoFile {
  def main(args: Array[String]): Unit = {
    //1、创建SparkConf对象，该对象初始化一些数据，如该scala代码程序的名字，连接到主节点master的url地址
    val sparkConf = new SparkConf().setMaster("local").setAppName("WordCount")
 
    //2、创建SparkContext对象，该对象时应用程序提交到spark进行计算运行的唯一入口
    val sc = new SparkContext(sparkConf)
 
    //通过textFile函数获取数据，同时把数据分割为一行一行，每个数据节点存储一定行数的数据，lines-RDD就是代表这些行的的名字
    val A = sc.textFile("D://scala-spark-rdd/data/A.txt")
    val B = sc.textFile("D://scala-spark-rdd/data/B.txt")
 
    //使用算子union()可以合并两个相同形式的文件数据
    //distinct()函数是去除RDD里面重复的数据
    //sortBY()函数是根据第一个参数来排序，第二个参数true代表升序
    val C = A.union(B).distinct().sortBy(x => x,true)
    C.foreach(println)
 
    sc.stop()
  }
}

三、实验结果