开篇
学了两天scala,有点头大,心静不下来,这边还是整理林博士的spark教程,编程语言是python,这样我可能会好受点。详细内容见链接。我希望突出重点,写出简洁的笔记,同时也能同步自己的困惑。
Spark简介
RDD执行过程
例1:一个Spark的“Hello World”程序
这里以一个“Hello World”入门级Spark程序来解释RDD执行过程,这个程序的功能是读取一个HDFS文件,计算出包含字符串“Hello World”的行数。
启动pyspark
PYSPARK_PYTHON=python3 ./bin/pyspark
在pyspark的交互环境下,输入如下代码
fileRDD = sc.textFile('hdfs://localhost:9000/test.txt')
def