第 7 章 需求4: 各区域热门商品 Top3
7.1 需求简介
这里的热门商品是从点击量的维度来看的.
计算各个区域前三大热门商品,并备注上每个商品在主要城市中的分布比例,超过两个城市用其他显示。
例如:
地区 | 商品名称 | 点击次数 | 城市备注 |
---|---|---|---|
华北 | 商品A | 100000 | 北京21.2%,天津13.2%,其他65.6% |
华北 | 商品P | 80200 | 北京63.0%,太原10%,其他27.0% |
华北 | 商品M | 40000 | 北京63.0%,太原10%,其他27.0% |
东北 | 商品J | 92000 | 大连28%,辽宁17.0%,其他 55.0% |
7.2 思路分析
该需求我们不使用 RDD, 使用 sql 来完成. 碰到复杂的需求, 可以使用 udf 或 udaf
查询出来所有的点击记录, 并与 city_info 表连接, 得到每个城市所在的地区.
按照地区和商品 id 分组, 统计出每个商品在每个地区的总点击次数
每个地区内按照点击次数降序排列
只取前三名. 并把结果保存在数据库中
城市备注需要自定义 UDAF 函数
7.3 具体业务实现
1. 具体业务实现
package com.atguigu.sparkmall.offline.app
import java.util.Properties
import com.atguigu.sparkmall.common.util.ConfigurationUtil
import com.atguigu.sparkmall.offline.udf.CityClickCountUDAF
import org.apache.spark.sql.{SaveMode, SparkSession}
object AreaClickTop3App {
def statAreaClickTop3Product(spark: SparkSession) = {
// 注册 UDAF 函数
spark.udf.register("city_remark", new CityClickCountUDAF)
spark.sql("use sparkmall")
// 1. 查询出来所有的点击记录, 并与 city_info 表连接, 得到每个城市所在的地区.
spark.sql(
"""
|select
| c.*,
| v.click_product_id
|from city_info c join user_visit_action v on c.city_id=v.city_id
|where v.click_product_id > -1
""".stripMargin).createOrReplaceTempView("t1")
// 2. 按照地区商品 id 分组, 统计出每个商品的总点击次数
spark.sql(
"""
|select
| t1.area,
| t1.click_product_id,
| count(*) click_count,
| city_remark(t1.city_name) remark
|from t1
|group by t1.area, t1.click_product_id
""".stripMargin).createOrReplaceTempView("t2")
// 3. 每个地区内按照点击次数降序排列
spark.sql(
"""
|select
| *,
| rank() over(partition by t2.area sort by t2.click_count desc) rank
|from t2
""".stripMargin).createOrReplaceTempView("t3")
// 4. 只取前三名. 并把结果保存在数据库中
val conf = ConfigurationUtil("config.properties")
val props = new Properties()
props.setProperty("user", "root")
props.setProperty("password", "aaa")
spark.sql(
"""
|select
| t3.area,
| p.product_name,
| t3.click_count,
| t3.remark,
| t3.rank
|from t3 join product_info p on t3.click_product_id=p.product_id
|where t3.rank <= 3
""".stripMargin)
.write.mode(SaveMode.Overwrite)
.jdbc(conf.getString("jdbc.url"), "area_click_top10", props)
}
}
/*
1. 查询出来所有的点击记录, 并与 city 变连接, 得到每个城市所在的地区
select c.*
from city_info c join user_visit_action v on c.cit_id=v.city_id
where v.click_product_id > -1
t1
2. 按照地区分组和商品 id, 统计出来商品的点击次数
select
t1.area,
t1.click_product_id,
count(*) click_count
from t1
group by t1.area, t1.click_product_id
t2
3. 每个地区内按照点击次数进行排名
select
*,
rank() over(partition by t2.area sort by t2.click_count desc) rank
from t2
t3
4. 每个地区取 3 名
select
*
from t3
where rank <= 3
t4
5. 前3名的商品中每个城市的点击量百分比
6. 自定义聚合函数
*/
2. UDAF 函数
package com.atguigu.sparkmall.offline.udf
import java.text.DecimalFormat
import org.apache.spark.sql.Row
import org.apache.spark.sql.expressions.{MutableAggregationBuffer, UserDefinedAggregateFunction}
import org.apache.spark.sql.types._
class CityClickCountUDAF extends UserDefinedAggregateFunction {
// 输出数据的类型 北京:String
override def inputSchema: StructType = {
StructType(StructField("city_name", StringType) :: Nil)
}
// 存储类型 map[北京, count] 总点击数:total_count
override def bufferSchema: StructType = {
StructType(StructField("city_count", MapType(StringType, LongType)) :: StructField("total_count", LongType) :: Nil)
}
// 输出的数据类型 String
override def dataType: DataType = StringType
// 校验 相同输入是否有相同的输出 true
override def deterministic: Boolean = true
// 初始化 给 map 和 totalCount 赋初值
override def initialize(buffer: MutableAggregationBuffer): Unit = {
// 初始化 map
buffer(0) = Map[String, Long]()
// 初始化总值
buffer(1) = 0L
}
// 分区执行更新操作. executor 内的合并
override def update(buffer: MutableAggregationBuffer, input: Row): Unit = {
val cityName: String = input.getString(0)
val map: Map[String, Long] = buffer.getAs[Map[String, Long]](0)
// 更新各个城市的计数
buffer(0) = map + (cityName -> (map.getOrElse(cityName, 0L) + 1L))
// 更新总数
buffer(1) = buffer.getLong(1) + 1
}
// 多个 buffer 合并. 跨 executor 合并
override def merge(buffer1: MutableAggregationBuffer, buffer2: Row): Unit = {
// 合并各个城市的累计
val map1: Map[String, Long] = buffer1.getAs[Map[String, Long]](0)
val map2: Map[String, Long] = buffer2.getAs[Map[String, Long]](0)
buffer1(0) = map1.foldLeft(map2) {
case (m, (cityName, cityCount)) => {
m + (cityName -> (m.getOrElse(cityName, 0L) + cityCount))
}
}
// 合并总数
buffer1(1) = buffer1.getLong(1) + buffer2.getLong(1)
}
// 最终的输出 把 buffer 中的数据展示成字符串
override def evaluate(buffer: Row): Any = {
// 1. 取值
val map: Map[String, Long] = buffer.getAs[Map[String, Long]](0)
val totalCount = buffer.getLong(1)
// 2. 排序之后截取前2个, 并统计他们的比值
var cityTop2: List[(String, Long)] = map.toList.sortBy(_._2)(Ordering.Long.reverse).take(2)
var cityRemarks: List[CityRemark] = cityTop2.map {
case (cityName, cityCount) => {
val ratio: Double = cityCount.toDouble / totalCount
CityRemark(cityName, ratio)
}
}
// 3. 剩下的合并的其他
var otherRadio = 1D
cityRemarks.foreach(otherRadio -= _.cityRatio)
cityRemarks = cityRemarks :+ CityRemark("其他", otherRadio)
// 4. 拼接成字符串
cityRemarks.mkString(", ")
}
case class CityRemark(cityName: String, cityRatio: Double) {
val formatter = new DecimalFormat("0.00%")
override def toString: String = s"$cityName:${formatter.format(cityRatio)}"
}
}