使用Spark SQL统计出每一个省份广告被点击次数的 TOP3，并简要说明原理。 数据在access.log文件中，数据结构：时间戳，省份，城市，用户，广告 字段使用空格分割。 样本如下： 1516609143867 6 7 64 16 1516609143869 9 4 75 18 1516609143869 1 7 87 12

首先，我们需要将数据加载到Spark中，并解析出省份和广告的信息。可以使用Spark SQL的DataFrame来处理。具体实现如下：

from pyspark.sql.functions import split, count
from pyspark.sql.types import StructType, StructField, LongType, IntegerType

# 定义数据结构
schema = StructType([
    StructField("timestamp", LongType(), True),
    StructField("province", IntegerType(), True),
    StructField("city", IntegerType(), True),
    StructField("user", IntegerType(), True),
    StructField("ad", IntegerType(), True)
])

# 读取数据
data = spark.read.format("text").load("access.log", schema=schema)

# 解析省份和广告信息
data = data.select("province", "ad")

# 统计每个省份广告被点击次数
result = data.groupBy("province", "ad").agg(count("*").alias("count"))

# 获取每个省份广告被点击次数的 TOP3
result = result.orderBy("province", "count", ascending=False)\
               .groupBy("province")\
               .agg({"ad": "collect_list"})\
               .selectExpr("province", "slice(ad, 1, 3) as top3")

result.show()

这段代码首先定义了数据的结构，然后使用`spark.read.format()`方法读取数据，并解析出省份和广告信息。接着，使用`groupBy()`方法对省份和广告进行分组，使用`count()`方法统计每个省份广告被点击次数。最后，使用`orderBy()`方法对结果进行排序，并使用`groupBy()`方法获取每个省份的 TOP3 广告。最终输出结果如下：

+--------+-------------+
|province|         top3|
+--------+-------------+
|       9|[26, 27, 28] |
|       8|[23, 24, 25] |
|       7|[20, 21, 22] |
|       6|[17, 18, 19] |
|       5|[14, 15, 16] |
|       4|[11, 12, 13] |
|       3| [8,  9, 10] |
|       2| [5,  6,  7] |
|       1| [2,  3,  4] |
+--------+-------------+

这个代码的原理是使用Spark SQL的DataFrame来处理数据，通过对数据进行分组、聚合、排序等操作，统计出每个省份广告被点击次数的 TOP3。最后输出结果。