《碟中谍6：全面瓦解》明天终于在大陆上映了~作为阿汤哥的脑残（颜）粉，先舔为敬。
碟中谍从 1 到 6，从 1996 到 2018， 从未跌下过神坛，这次更是口碑炸裂，烂番茄新鲜度98%，IMDB 8.2 分。小编最喜欢的知名影评人毒 sir 也在八月影片盘货中给出最高五分期待值。说这么多，电影是不是真的好看伐，我们今天用 Oracle Big Data Cloud 简单分析了 IMDB 上 813 条有效影评（北美 7.27 日已上映）。同时也和大家一起认识大数据分析应用中的“Hello Word”--“Wordcount”君。
惯例，先上主要步骤：
第一步，打开集群界面，设置远程访问的基本信息
第二步，利用 Putty 访问集群中的节点
第三步，运行我们的第一个应用（Python）
1. 我们在上一篇文章中 Oracle Big Data Cloud 中安装了一个大数据分析的集群，如图：
2. 设置访问规则。如图，选择 Access Rules。
在 Access Rules 界面， 开启 ssh 访问权限，需要等待 30s 到 60s。
3. 获取集群中节点的 IP ，在这个示例中我们选择了第一个节点。
1. 在 Putty 中输入在步骤一中节点的的 IP ，确认连接方式是 SSH，端口为 22，如图：
2. 选择 Connection 中的 Data，在 Auto-login username 中输入 opc ， 同时确认 When username is not specified 的选项为 Prompt, 如图：
3. 展开 Connection 中的 SSH， 选择 Auth， 上传私钥文件，请确认和在创建集群时使用的公钥是匹配的。如图，
4. 点击 Open, 连接目标节点。
1. 安装后 Spark 的目录默认为 /u01/bdcsce/usr/hdp/2.4.2.0-258/spark。进入该目录，小编用 Python 脚本，所以这次运行 pyspark，如图：
2.初始化成功后，开始运行我们的程序。我们把 IMDB 上的影评保存在了 wordcount.txt 中，首先读入这些评论，
sc.textFile("file:/u01/bdcsce/usr/hdp/2.4.2.0.258/spark/wordcount.txt")
然后对这个 RDD 进行 MapReduce 操作，计算出词频。
3. 对这个 RDD 进行 action 操作， 按每个词出现的频率由高到低排序，这里我们选取了top 500 的词，counts.takeOrdered(500,key=lambda x:-x[1])。
经过 Spark 内部的运算后，如图：
所以，《碟中谍6：全面瓦解》值得看吗？
小编整理了 Top500 中的有效词汇，主要保留了形容词和关键名词，其中'helpful' 812 次，‘best’610 次，‘great’334 次，‘good’307 次，‘stunt’272 次，'bad' 只有69 次哦。看词频结果还是很值得一看的电影，明天走起吧 (*^▽^*)
