Transformations转换算子
概念:
Transformations类算子是一类算子(函数)叫做转换算子,如map,flatMap,reduceByKey等。Transformations算子是延迟执行,也叫懒加载执行。
Transformation类算子:
- filter
过滤符合条件的记录数,true保留,false过滤掉。
- map
将一个RDD中的每个数据项,通过map中的函数映射变为一个新的元素。
特点:输入一条,输出一条数据。
- flatMap
先map后flat。与map类似,每个输入项可以映射为0到多个输出项。
- sample
随机抽样算子,根据传进去的小数按比例进行又放回或者无放回的抽样。
- reduceByKey
将相同的Key根据相应的逻辑进行处理。
- sortByKey/sortBy
作用在K,V格式的RDD上,对key进行升序或者降序排序。
- join,leftOuterJoin,rightOuterJoin,fullOuterJoin
作用在K,V格式的RDD上。根据K进行连接,对(K,V)join(K,W)返回(K,(V,W))
join后的分区数与父RDD分区数多的那一个相同。
- union
合并两个数据集。两个数据集的类型要一致。
返回新的RDD的分区数是合并RDD分区数的总和。
- intersection
取两个数据集的交集,返回新的RDD与父RDD分区多的一致
- subtract
取两个数据集的差集,结果RDD的分区数与subtract前面的RDD的分区数一致。
- mapPartitions
与map类似,遍历的单位是每个partition上的数据。
-
distinct(map+reduceByKey+map)
-
cogroup
当调用类型(K,V)和(K,W)的数据上时,返回一个数据集(K,(Iterable,Iterable)),子RDD的分区与父RDD多的一致。
Action行动算子
概念:
Action类算子也是一类算子(函数)叫做行动算子,如foreach,collect,count等。Transformations类算子是延迟执行,Action类算子是触发执行。一个application应用程序中有几个Action类算子执行,就有几个job运行。
Action类算子
- count
返回数据集中的元素数。会在结果计算完成后回收到Driver端。
- take(n)
返回一个包含数据集前n个元素的集合。
- first
first=take(1),返回数据集中的第一个元素。
- foreach
循环遍历数据集中的每个元素,运行相应的逻辑。
- collect
将计算结果回收到Driver端。
- foreachPartition
遍历的数据是每个partition的数据。