# TP2 BDA
**Kevin Butikofer, Charles-Lewis Jaggi**
**Groupe : L1 GrK**

## Rank languages attempt #1: rankLangs

Résultat :
List((JavaScript,1692), (C#,706), (Java,586), (CSS,372), (C++,334), (MATLAB,295), (Python,286), (PHP,279), (Perl,144), (Ruby,120), (Haskell,54), (Objective-C,47), (Scala,43), (Clojure,26), (Groovy,23))

Temps : 29296 ms

## Rank languages attempt #2: rankLangsUsingIndex
Résulat :
List((JavaScript,1692), (C#,706), (Java,586), (CSS,372), (C++,334), (MATLAB,295), (Python,286), (PHP,279), (Perl,144), (Ruby,120), (Haskell,54), (Objective-C,47), (Scala,43), (Clojure,26), (Groovy,23))

Temps : 9983 ms

### Question
Can you notice a performance improvement over attempt #1? Why?

### Réponse
Le temps d'execution est 3 fois plus rapide que la première méthode. Dans le version 1 on appelle à chaque mapping la fonction **"occurrencesOfLang()"** qui doit remettre en place tout un système de parallelisation donc ca coute des ressources. Dans **"rankLangs"** on parcourt la List des langs qui n'est pas un RDD alors on perd beaucoup de temps.

## Rank languages attempt #3: rankLangsReduceByKey

Résultat :
List((JavaScript,1692), (C#,706), (Java,586), (CSS,372), (C++,334), (MATLAB,295), (Python,286), (PHP,279), (Perl,144), (Ruby,120), (Haskell,54), (Objective-C,47), (Scala,43), (Clojure,26), (Groovy,23))

Temps : 6790 ms

### Question
Can you notice an improvement in performance compared to measuring both the computation of the index and the computation of the ranking as we did in attempt #2? If so, can you think of a reason?

### Réponse
Le temps d'éxecution est de presque 5 fois inférieur à la première méthode et presque 1,5 fois comparé à la deuxième méhode.
Il y a une seul parralélisation et le reducebyKey combine le groupByKey et le reduce de manière optimisé. Il y aussi moins d'échange de données.