RDD行动算子
1. RDD行动算子
1.1概述
- spark的算子可以分为trans action算子 以及 action算子 ,即变换/转换 算子。如果执行一个RDD算子并不触发作业的提交,仅仅只是记录作业中间处理过程,那么这就是trans action算子 ,相反如果执行这个 RDD 时会触发 Spark Context 提交 Job 作业,那么它就是 action算子及行动算子。总结来说就是在Spark中,转换算子并不会马上进行运算的,即所谓的“惰性运算”,而是在遇到行动算子时才会执行相应的语句的,触发Spark的任务调度并开始进行计算。
1.2 reduce
-
函数签名
def reduce(f: (T, T) => T): T
-
函数说明
- 聚集RDD中的所有元素,先聚合分区内数据,再聚合分区间数据
// 一个应用程序, Driver程序 val conf = new SparkConf().setMaster("local[*]").setAppName("RDD") val sc = new SparkContext(conf) // TODO 算子 - 行动 val rdd = sc.makeRDD(List(1,4,3,2),2) // reduce算子 val i: Int = rdd.reduce(_ + _) println(i)
1.3 collect
-
函数签名
def collect(): Array[T]
-
函数说明
在驱动程序(Driver)中,以数组Array的形式返回数据集的所有元素 val rdd: RDD[Int] = sc.makeRDD(List(1,2,3,4))
-
函数实例
package com.gec.demo1 import org.apache.spark.{SparkConf, SparkContext} object Spark01_RDD_Oper_Action { def main(args: Array[String]): Unit = { // 一个应用程序, Driver程序 val conf = new SparkConf().setMaster("local[*]").setAppName("RDD") val sc = new SparkContext(conf) // TODO 算子 - 行动 val rdd = sc.makeRDD(List(1,2,3,4)) // Spark RDD方法分为2大类,其中一个是转换算子,一个为行动算子 // 行动算子在被调用时,会触发Spark作业的执行 // collect算子就是行动算子 // 行动算子执行时,会构建新的作业 val ints: Array[Int] = rdd.collect() ints.foreach(println) //rdd.collect() // new job sc.stop() } }
1.4 count
-
函数签名
def count(): Long
-
函数说明
-
返回RDD中元素的个数
val rdd: RDD[Int] = sc.makeRDD(List(1,2,3,4))
-
-
实例
// 一个应用程序, Driver程序 val conf = new SparkConf().setMaster("local[*]").setAppName("RDD") val sc = new SparkContext(conf) // TODO 算子 - 行动 val rdd = sc.makeRDD(List(1,4,3,2),2) val l: Long = rdd.count() println(l)
1.5 first
-
函数签名
def first(): T
-
函数说明
-
返回RDD中的第一个元素
val rdd: RDD[Int] = sc.makeRDD(List(1,2,3,4))
-
-
实例
// 一个应用程序, Driver程序 val conf = new SparkConf().setMaster("local[*]").setAppName("RDD") val sc = new SparkContext(conf) val rdd: RDD[Int] = sc.makeRDD(List(1,2,3,4)) val firstResult: Int = rdd.first() println(firstResult) sc.stop()
1.6 take
-
函数签名
def take(num: Int): Array[T]
-
函数说明
- 返回一个由RDD的前n个元素组成的数组
vval rdd: RDD[Int] = sc.makeRDD(List(1,2,3,4))
-
函数实例
// 返回RDD中元素的个数 val takeResult: Array[Int] = rdd.take(2) println(takeResult.mkString(",")=)
1.7 takeOrdered
-
函数签名
def takeOrdered(num: Int)(implicit ord: Ordering[T]): Array[T]
-
函数说明
-
返回该RDD排序后的前n个元素组成的数组
val rdd: RDD[Int] = sc.makeRDD(List(1,3,2,4))
-
-
函数实例
- 返回该RDD排序后的前n个元素组成的数组
val rdd: RDD[Int] = sc.makeRDD(List(1,3,2,4)) // 返回RDD中元素的个数 val result: Array[Int] = rdd.takeOrdered(2)
1.8 aggregate
-
函数签名
def aggregate[U: ClassTag](zeroValue: U)(seqOp: (U, T) => U, combOp: (U, U) => U): U
-
函数说明
-
分区的数据通过初始值和分区内的数据进行聚合,然后再和初始值进行分区间的数据聚合
-
函数实例
// 一个应用程序, Driver程序 val conf = new SparkConf().setMaster("local[*]").setAppName("RDD") val sc = new SparkContext(conf) // TODO 算子 - 行动 val rdd = sc.makeRDD(List(1,4,3,2),2) // aggregate & aggregateByKey的区别? // 1. 数据格式 // 2. aggregateByKey是一个转换算子,所以执行后会产生新的RDD // aggregate是一个行动算子,所以执行后会得到结果 // 3. aggregateByKey执行计算时,初始值只会参与分区内计算 // aggregate执行计算时,初始值会参与分区内计算,也会参与分区间的计算 // 【1,4】,【3,2】 // 【5,1,4】,【5,3,2】 // 【10】【10】 // 【5, 10, 10】 val i: Int = rdd.aggregate(5)(_ + _, _ + _) val j: Int = rdd.fold(5)(_ + _) val k: Int = rdd.reduce(_ + _)
1.9 fold
-
函数签名
def fold(zeroValue: T)(op: (T, T) => T): T
-
函数说明
- 折叠操作,aggregate的简化版操作
val rdd: RDD[Int] = sc.makeRDD(List(1, 2, 3, 4)) val foldResult: Int = rdd.fold(0)(_+_)
-
函数实例
// 一个应用程序, Driver程序 val conf = new SparkConf().setMaster("local[*]").setAppName("RDD") val sc = new SparkContext(conf) val rdd: RDD[Int] = sc.makeRDD(List(1, 2, 3, 4), 2) val j: Int = rdd.fold(5)(_ + _) println(j)
1.10 countByKey
-
函数签名
def countByKey(): Map[K, Long]
-
函数说明
-
统计每种key的个数
val rdd: RDD[(Int, String)] = sc.makeRDD(List((1, "a"), (1, "a"), (1, "a"), (2, "b"), (3, "c"), (3, "c")))
-
-
函数实例
// 一个应用程序, Driver程序 val conf = new SparkConf().setMaster("local[*]").setAppName("RDD") val sc = new SparkContext(conf) // TODO 算子 - 行动 val rdd = sc.makeRDD(List(1,4,3,2),2) // countByKey算子表示相同key出现的次数 val rdd1: RDD[(String, Int)] = rdd.map(("a", _)) // (a, 1), (a, 4), (a, 3), (a, 2) // (a, 4) => (a, 1),(a, 1),(a, 1),(a, 1) // (a, 10) // TODO countByKey算子可以实现 WordCount (7 / 10) val map: collection.Map[String, Long] = rdd1.countByKey() println(map) sc.stop()
1.11 countByValue
-
函数签名
def countByValue(): Map[K, Long]
-
函数说明
-
根据rdd中的元素值相同的个数。返回的类型为Map[K,V], K : 元素的值,V :元素对应的的个数
-
函数实例
// 一个应用程序, Driver程序 val conf = new SparkConf().setMaster("local[*]").setAppName("RDD") val sc = new SparkContext(conf) // TODO 算子 - 行动 //val rdd = sc.makeRDD(List(1,1,1,1,2,2,3),2) val rdd = sc.makeRDD(List( ("a", 2), ("a", 3) ),2) // countByKey算子表示相同key出现的次数 //val rdd1: RDD[(String, Int)] = rdd.map(("a", _)) // countByValue中Value不是KV键值对中的v的意思 // 单value,双value,K-V // TODO countByValue可以实现 WordCount (8 / 10) // ("a", 2) => "a", "a" // ("a", 3) => "a", "a", "a" // ( a, 5 ) val map = rdd.countByValue() println(map)
1.11 save相关算子
-
函数签名
def saveAsTextFile(path: String): Unit def saveAsObjectFile(path: String): Unit def saveAsSequenceFile( path: String, codec: Option[Class[_ <: CompressionCodec]] = None): Unit
-
函数说明
将数据保存到不同格式的文件中
// 保存成Text文件
rdd.saveAsTextFile("output")
// 序列化成对象保存到文件
rdd.saveAsObjectFile("output1")
// 保存成Sequencefile文件
rdd.map((_,1)).saveAsSequenceFile("output2")
-
函数实例
// TODO 算子 - 行动 val rdd = sc.makeRDD(List( ("a", 2), ("a", 3) ),2) rdd.saveAsTextFile("output") rdd.saveAsObjectFile("output1") rdd.saveAsSequenceFile("output2")
1.12 foreach
-
函数签名
def foreach(f: T => Unit): Unit = withScope { val cleanF = sc.clean(f) sc.runJob(this, (iter: Iterator[T]) => iter.foreach(cleanF)) }
-
函数说明
-
分布式遍历RDD中的每一个元素,调用指定函数
val rdd: RDD[Int] = sc.makeRDD(List(1,2,3,4))
-
-
函数实例
// 收集后打印 rdd.map(num=>num).collect().foreach(println) println("****************") // 分布式打印 rdd.foreach(println)