Spark操作 行動操作 一

2021-10-06 10:19:56 字數 3709 閱讀 7085

scala> var rdd = sc.makerdd(array(("a", 1), ("a", 2), ("a", 3), ("b", 4), ("b", 5), ("c", 6), ("c", 7), ("c", 8), ("c", 9), ("d", 10)))


rdd: org.apache.spark.rdd.rdd[(string, int)] = parallelcollectionrdd[60] at makerdd at :24


scala> rdd.collect


res50: array[(string, int)] = array((a,1), (a,2), (a,3), (b,4), (b,5), (c,6), (c,7), (c,8), (c,9), (d,10))


scala> rdd.count()


res46: long = 10


scala> rdd.first()


res45: (string, int) = (a,1)


scala> rdd.reduce((x, y) => (x._1 + y._1, x._2 + y._2))


res49: (string, int) = (aaccabbccd,55)


scala> rdd.take(2)


res51: array[(string, int)] = array((a,1), (a,2))


scala> rdd.top(1)


res54: array[(string, int)] = array((d,10))


scala> rdd.takeordered(1)


res56: array[(string, int)] = array((a,1))


scala> rdd.takeordered(2)


res57: array[(string, int)] = array((a,1), (a,2))
聚合rdd中的元素，先使用seqop將rdd中每個分割槽中的t型別元素聚合成u型別，再使用combop將之前每個分割槽聚合後的u型別聚合成u型別，需要注意的是seqop和combop都會使用到zerovalue的值

// 定義rdd，設定第乙個分割槽中包含1，2，3，4，5，第二個分割槽中包含6，7，8，9，10


scala> var rdd = sc.makerdd(1 to 10, 2)


rdd: org.apache.spark.rdd.rdd[int] = parallelcollectionrdd[65] at makerdd at :24


| (partidx, iter) => 


| else


| }


| }


| part_map.iterator


| }


| }.collect


res59: array[(string, list[int])] = array((part_0,list(5, 4, 3, 2, 1)), (part_1,list(10, 9, 8, 7, 6)))


// aggregate的最後結果是58，原因是先在每個分割槽中迭代執行(x: int, y: int) => x + y，並且使用zerovalue的值1，


// 即part_0中計算過程為 1+1+2+3+4+5=16，part_1中計算過程為1+6+7+8+9+10=41


// 再將兩個分割槽中的結果執行(a: int, b: int) => a + b，並應用zerovalue的值，結果為1+16+41=58


scala> rdd.aggregate(1)(


| ,


| 


| )res61: int = 58
fold操作與aggregate操作功能類似，區別在於seqop和combop是統一個函式

scala> rdd.fold(1)(


| (x, y) => x + y


| )res63: int = 58
該操作應用於(k, v)形式的rdd，返回指定k所對應的所以v值

scala> rdd.fold(1)(


| (x, y) => x + y


| )res63: int = 58
統計rdd[k, v]中每個k的數量

scala> var rdd = sc.makerdd(array(("a", 1), ("a", 2), ("a", 3), ("b", 4), ("b", 5), ("c", 6), ("c", 7), ("c", 8), ("c", 9), ("d", 10)))


rdd: org.apache.spark.rdd.rdd[(string, int)] = parallelcollectionrdd[67] at makerdd at :24


scala> rdd.countbykey()


res65: scala.collection.map[string,long] = map(d -> 1, a -> 3, b -> 2, c -> 4)
foreach遍歷rdd中的每個元素，並應用函式f。foreachpartition與foreach型別，區別在於前者對針對每個分割槽。

scala> var rdd = sc.makerdd(array(("a", 1), ("a", 2), ("a", 3), ("b", 4), ("b", 5), ("c", 6), ("c", 7), ("c", 8), ("c", 9), ("d", 10)))


rdd: org.apache.spark.rdd.rdd[(string, int)] = parallelcollectionrdd[67] at makerdd at :24


scala> rdd.foreach(println)


(a,1)


(a,3)


(c,8)


(c,6)


(c,9)


(b,4)


(a,2)


(b,5)


(d,10)


(c,7)
根據指定的排序函式f對k進行排序

scala> var rdd = sc.makerdd(array(("a", 1), ("a", 2), ("a", 3), ("b", 4), ("b", 5), ("c", 6), ("c", 7), ("c", 8), ("c", 9), ("d", 10)))


rdd: org.apache.spark.rdd.rdd[(string, int)] = parallelcollectionrdd[67] at makerdd at :24


scala> rdd.sortby(x => x).collect


res68: array[(string, int)] = array((a,1), (a,2), (a,3), (b,4), (b,5), (c,6), (c,7), (c,8), (c,9), (d,10))


scala> rdd.sortby(x => x, false).collect


res70: array[(string, int)] = array((d,10), (c,9), (c,8), (c,7), (c,6), (b,5), (b,4), (a,3), (a,2), (a,1))
參考:

[1] 郭景瞻. **spark:核心技術與案例實戰[m]. 北京:電子工業出版社, 2017.

Spark操作 轉換操作 一

基礎轉換操作 鍵值轉換操作 對rdd中的每個元素都應用乙個指定的函式，以此產生乙個新的rdd scala var rdd sc.textfile users lyf desktop test data1.txt scala rdd.map line line.split collect res16 ...

RDD行動操作

行動操作是第二種型別的rdd操作，它們會把最終求得的結果返回到驅動器程式中，或者寫入外部儲存系統中。常見的rdd行動操作 1.reduce 它接收乙個函式作為引數，這個函式要操作兩個相同的元素型別的rdd資料並返回乙個同樣型別的新元素。乙個簡單的例子就是函式 可以用它來對我們的rdd進行累加。使用r...

Spark操作 控制操作

cache和persist操作都是對rdd進行持久化，其中cache是persist採用memory only儲存級別時的乙個特例，scala var rdd sc.textfile users lyf desktop data.txt scala rdd.cache 第一次計算行數，這裡只能從本地...