（PySpark）RDD实验实战——求商品销量排行
实验环境：
提前准备好findspark，pyspark，py4j等库
import findspark
from pyspark import SparkContext, SparkConffindspark.init()#初始化spark，默认为你所设定的环境变量
conf = SparkConf().setAppName("jsytest").setMaster("local[4]")#创建一个SparkConf对象，用于配置Spark应用程序，用setAppName来设置程序名称， #用setMaster来设置运行模式和线程数，这里为本地模式，4个线程
sc = SparkContext(conf=conf)#创建一个SparkContext对象，它是与Spark集群通信的主要接口 # sc.stop() #关闭spark上下文
goods = [("Book",30,50),("Pen",5,80),("Notebook",15,60),("Pencil",2,70),("Eraser",3,50)]#创建所需的数据集（商品名，价格，销量）
n=2#所需的前n个排序
rdd = sc.parallelize(goods)#用parallelize方法将goods中的数据结构并行化成RDD
rdd.sortBy(lambda x:x[2], ascending=True,numPartitions=3).collect()#rdd.sortBy()用于对RDD中的元素按照指定的排序键进行排序 #rdd.sortBy(keyfunc, ascending=True, numPartitions=None) #keyfunc,是从 RDD 的每个元素中提取用于排序的键，多分区的话可以通过指定key的排序，来达到操作目的 #ascending表示排序的顺序。 True为升序，False为降序。 #numPartitions表示最终返回结果RDD的分区数。 #这里取的是数据中的第三分区销量作为key，返回的值也是三个分区
ss=rdd.sortBy(lambda x:x[2], ascending=True,numPartitions=3).collect()##把最终排序导入ss数组中
c=rdd.count()-1#取数组上限
ysj=0#记录循环次数
while ysj<=n-1:
#循环输出print("销售第",ysj+1,"多的:",ss[c-ysj])ysj=ysj+1所有代码如下
import findspark
from pyspark import SparkContext, SparkConf
findspark.init()
conf = SparkConf().setAppName("jsytest").setMaster("local[4]")
sc = SparkContext(conf=conf
goods = [("Book",30,50),("Pen",5,80),("Notebook",15,60),("Pencil",2,70),("Eraser",3,50)]
n=2
rdd = sc.parallelize(goods)
rdd.sortBy(lambda x:x[2], ascending=True,numPartitions=3).collect()
ss=rdd.sortBy(lambda x:x[2], ascending=True,numPartitions=3).collect()
c=rdd.count()-1
ysj=0
while ysj<=n-1:print("销售第",ysj+1,"多的:",ss[c-ysj])ysj=ysj+1结果演示
销售第 1 多的: ('Pen', 5, 80)
销售第 2 多的: ('Pencil', 2, 70)