spark编程模型(二十一)之RDD集合标量行为操作(Action Operation)——countByKey、foreach、foreachPartition、sortBy...

countByKey
  • def countByKey(): Map[K, Long]
  • countByKey用于统计RDD[K,V]中每个K的数量

      scala> var rdd1 = sc.makeRDD(Array(("A",0),("A",2),("B",1),("B",2),("B",3)))
      rdd1: org.apache.spark.rdd.RDD[(String, Int)] = ParallelCollectionRDD[7] at makeRDD at :21
    
      scala> rdd1.countByKey
      res5: scala.collection.Map[String,Long] = Map(A -> 2, B -> 3)
foreach
  • def foreach(f: (T) ⇒ Unit): Unit
  • foreach用于遍历RDD,将函数f应用于每一个元素
  • 但要注意,如果对RDD执行foreach,只会在Executor端有效,而并不是Driver端
  • 比如:rdd.foreach(println),只会在Executor的stdout中打印出来,Driver端是看不到的
  • 使用accumulator共享变量与foreach结合,倒是个不错的选择

      scala> var cnt = sc.accumulator(0)
      cnt: org.apache.spark.Accumulator[Int] = 0
    
      scala> var rdd1 = sc.makeRDD(1 to 10,2)
      rdd1: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[5] at makeRDD at :21
    
      scala> rdd1.foreach(x => cnt += x)
    
      scala> cnt.value
      res51: Int = 55
    
      scala> rdd1.collect.foreach(println)
      1
      2
      3
      4
      5
      6
      7
      8
      9
      10
foreachPartition
  • def foreachPartition(f: (Iterator[T]) ⇒ Unit): Unit
  • foreachPartition和foreach类似,只不过是对每一个分区使用f

      scala> var rdd1 = sc.makeRDD(1 to 10,2)
      rdd1: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[5] at makeRDD at :21
    
      scala> var allsize = sc.accumulator(0)
      size: org.apache.spark.Accumulator[Int] = 0
    
      scala> var rdd1 = sc.makeRDD(1 to 10,2)
      rdd1: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[6] at makeRDD at :21
    
      scala>     rdd1.foreachPartition { x => {
           |       allsize += x.size
           |     }}
    
      scala> println(allsize.value)
      10
sortBy
  • def sortBy[K](f: (T) ⇒ K, ascending: Boolean = true, numPartitions: Int = this.partitions.length)(implicit ord: Ordering[K], ctag: ClassTag[K]): RDD[T]
  • sortBy根据给定的排序k函数将RDD中的元素进行排序

      scala> var rdd1 = sc.makeRDD(Seq(3,6,7,1,2,0),2)
    
      scala> rdd1.sortBy(x => x).collect
      res1: Array[Int] = Array(0, 1, 2, 3, 6, 7) //默认升序
    
      scala> rdd1.sortBy(x => x,false).collect
      res2: Array[Int] = Array(7, 6, 3, 2, 1, 0)  //降序
    
      //RDD[K,V]类型
      scala>var rdd1 = sc.makeRDD(Array(("A",2),("A",1),("B",6),("B",3),("B",7)))
    
      scala> rdd1.sortBy(x => x).collect
      res3: Array[(String, Int)] = Array((A,1), (A,2), (B,3), (B,6), (B,7))
    
      //按照V进行降序排序
      scala> rdd1.sortBy(x => x._2,false).collect
      res4: Array[(String, Int)] = Array((B,7), (B,6), (B,3), (A,2), (A,1))

转载于:https://www.cnblogs.com/oldsix666/articles/9458220.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值