原文引自：http://blog.csdn.net/fengzhimohan/article/details/78564610
a. 案例描述
本案例假设我们需要对某个省的人口 (10万) 性别还有身高进行统计，需要计算出男女人数，男性中的最高和最低身高，以及女性中的最高和最低身高。本案例中用到的源文件有以下格式, 三列分别是 ID，性别，身高 (cm)，格式如下：
b.人口数据的生成
利用Java语言随机生成一组人口数据，包括序列ID，性别M/F，身高cm，代码如下：
1 import java.io.File;
2 import java.io.FileWriter;
3 import java.io.IOException;
4 import java.util.Random;
5
6 /**
7 * Created by Administrator on 2017/11/13.
8 */
9 public class PeopleInfoFileGenerator {
10 public static void main(String[] args){
11 File file = new File("F:\\PeopleInfo.txt");
12
13 try {
14 Random random = new Random();//生成随机数
15 FileWriter fileWriter = new FileWriter(file);//新建一个文件
16 for (int i=1;i<=1000000;i++){ //生成10万个数字
17 int height = random.nextInt(220);
18 if (height < 50) {
19 height = height + 50;
20 }
21 String gender = getRandomGender(); //性别方法
22 if (height < 100 && gender == "M") {
23 height = height + 100;
24 }
25 if (height < 100 && gender == "F") {
26 height = height + 40;
27 }
28 fileWriter.write( i + " " + getRandomGender() + " " + height); //文件格式：ID 性别 身高
29 fileWriter.write(System.getProperty("line.separator"));
30 }
31 fileWriter.flush();
32 fileWriter.close();
33 System.out.println("People Information File generated successfully.");
34 }catch (IOException e){
35 e.printStackTrace();
36 }
37 }
38
39 public static String getRandomGender(){ //构建一个随机生成性别方法
40 Random random = new Random();
41 int randomNum = random.nextInt(2) + 1;
42 if( randomNum % 2 == 0){
43 return "M";
44 }else{
45 return "F";
46 }
47 }
48 }
c. 实例过程分析
对于这个案例，我们要分别统计男女的信息，那么很自然的想到首先需要对于男女信息从源文件的对应的 RDD 中进行分离，这样会产生两个新的 RDD，分别包含男女信息；其次是分别对男女信息对应的 RDD 的数据进行进一步映射，使其只包含身高数据，这样我们又得到两个 RDD，分别对应男性身高和女性身高；最后需要对这两个 RDD 进行排序，进而得到最高和最低的男性或女性身高。
第一步，先分离男女信息，使用 filter 算子过滤条件包含”M” 的行是男性，包含”F”的行是女性；第二步我们需要使用 map 算子把男女各自的身高数据从 RDD 中分离出来；第三步我们需要使用 sortBy 算子对男女身高数据进行排序。
特别注意：RDD 转化的过程中需要把身高数据转换成整数，否则 sortBy 算子会把它视为字符串，那么排序结果就会受到影响，例如 身高数据如果是：123,110,84,72,100，那么升序排序结果将会是 100,110,123,72,84，显然这是不对的。
d.求出身高统计代码实现
1 import org.apache.spark.SparkConf;
2 import org.apache.spark.api.java.JavaRDD;
3 import org.apache.spark.api.java.JavaSparkContext;
4 import org.apache.spark.api.java.function.FlatMapFunction;
5 import org.apache.spark.api.java.function.Function;
6 import java.util.Arrays;
7 /**
8 * Created by Administrator on 2017/11/17.
9 */
10 public class PeopleInfoCalculator {
11 public static void main(String[] args){
12 SparkConf sparkConf = new SparkConf().setAppName("PeopleInfoCalculator").setMaster("local[3]");
13 JavaSparkContext sc = new JavaSparkContext(sparkConf);
14 JavaRDD<String> dataFile = sc.textFile("F:\\PeopleInfo.txt");
15
16 JavaRDD<String> maleFilterData = dataFile.filter(new Function<String, Boolean>() {//过滤出性别为M的数据
17 @Override
18 public Boolean call(String s) throws Exception {
19 return s.contains("M");
20 }
21 });
22 JavaRDD<String> femaleFilterData = dataFile.filter(new Function<String, Boolean>() {//过滤出性别为F的数据
23 @Override
24 public Boolean call(String s) throws Exception {
25 return s.contains("F");
26 }
27 });
28 JavaRDD<String> maleHeightData = maleFilterData.flatMap(new FlatMapFunction<String, String>() {//得到性别为M的身高数据
29 @Override
30 public Iterable<String> call(String s) throws Exception {
31 return Arrays.asList(s.split(" ")[2]);
32 }
33 });
34 JavaRDD<String> femaleHeightData = femaleFilterData.flatMap(new FlatMapFunction<String, String>() {//得到性别为F的身高数据
35 @Override
36 public Iterable<String> call(String s) throws Exception {
37 return Arrays.asList(s.split(" ")[2]);
38 }
39 });
40 JavaRDD<Integer> maleHeightDataInt = maleHeightData.map(new Function<String, Integer>() {//将字符串格式转化为整型格式
41 @Override
42 public Integer call(String s) throws Exception {
43 return Integer.parseInt(String.valueOf(s));
44 }
45 });
46 JavaRDD<Integer> femaleHeightDataInt = femaleHeightData.map(new Function<String, Integer>() {//将字符串格式转化为整型格式
47 @Override
48 public Integer call(String s) throws Exception {
49 return Integer.parseInt(String.valueOf(s));
50 }
51 });
52 //sortBy(<T>,ascending,numPartitions) 解释:
53 //第一个参数是一个函数，该函数的也有一个带T泛型的参数，返回类型和RDD中元素的类型是一致的；
54 //第二个参数是ascending，这参数决定排序后RDD中的元素是升序还是降序，默认是true，也就是升序；
55 //第三个参数是numPartitions，该参数决定排序后的RDD的分区个数，默认排序后的分区个数和排序之前的个数相等，即为this.partitions.size。
56 JavaRDD<Integer> maleHeightLowSort = maleHeightDataInt.sortBy(new Function<Integer,Integer>(){// true表示默认排序，为升序排序，从低到高排
57 public Integer call(Integer s) throws Exception {
58 return s;
59 }
60 },true,3);
61 JavaRDD<Integer> femaleHeightLowSort = femaleHeightDataInt.sortBy(new Function<Integer,Integer>(){// true表示默认排序，为升序排序，从低到高排
62 public Integer call(Integer s) throws Exception {
63 return s;
64 }
65 },true,3);
66 JavaRDD<Integer> maleHeightHightSort = maleHeightDataInt.sortBy(new Function<Integer,Integer>(){// false表示为降序排序，从高到低
67 public Integer call(Integer s) throws Exception {
68 return s;
69 }
70 },false,3);
71 JavaRDD<Integer> femaleHeightHightSort = femaleHeightDataInt.sortBy(new Function<Integer,Integer>(){// true表示默认排序，为降序排序，从低到高排
72 public Integer call(Integer s) throws Exception {
73 return s;
74 }
75 },false,3);
76 Integer lowestMale = maleHeightLowSort.first(); //求出升序的第一个数，即最小值
77 Integer lowestFemale = femaleHeightLowSort.first();//求出升序的第一个数，即最小值
78 Integer highestMale = maleHeightHightSort.first();//求出降序的第一个数，即最大值
79 Integer highestFemale = femaleHeightHightSort.first();//求出降序的第一个数，即最大值
80
81 System.out.println("Number of Female Peole:" + femaleHeightData.count());//求出女性的总个数
82 System.out.println("Number of Male Peole:" + maleHeightData.count());//求出男性的总个数
83 System.out.println("Lowest Male:" + lowestMale);//求出男性最矮身高
84 System.out.println("Lowest Female:" + lowestFemale);//求出女性最矮身高
85 System.out.println("Highest Male:" + highestMale);//求出男性最高身高
86 System.out.println("Highest Female:" + highestFemale);//求出女性最高身高
87
88 }
89 }
e.运行结果：
来源：https://www.cnblogs.com/jinggangshan/p/8109329.html