使用Spark Shell进行交互式分析
基础
Spark的shell提供了一个学习API的简单方法,也是一个交互式分析数据的强大工具。它可以在Scala(在Java VM上运行,因此是使用现有Java库的好方法)或Python中提供。通过在Spark目录中运行以下代码来启动它:
D:\spark-1.6.2-bin-hadoop2.6\bin>spark-shell
Spark的主要抽象是一个名为Resilient Distributed Dataset(RDD)。RDD可以通过Hadoop InputFormats(例如HDFS文件)或通过转换其他数据集来创建。让我们从Spark源目录中的README文件的文本中创建一个新的数据集:
scala> val textFile = sc.textFile("../README.md")
textFile: org.apache.spark.rdd.RDD[String] = README.md MapPartitionsRDD[5] at textFile at <console>:27
您可以直接从数据集中获取值,通过调用某些操作,或者转换数据集来获取新的值
scala> textFile.count()
res0: Long = 95