Spark RDD Python 学习笔记一

Spark RDD Python学习简单实例

tar -zxvf  spark-2.3.0-bin-hadoop2.7.tgz
mv spark-2.3.0-bin-hadoop2.7 spark
  • 配置环境变量:
vim /etc/profile
export SPARK=/root/spark
PATH=$PATH:$JAVA_HOME/bin:$GOROOT/bin:$SPARK/bin
//然后
source /etc/profile
  • 数据
    data.txt文件内容:
# more data/data.txt 
1234 5678
90 123
123 hao qwe
123 973
123 akjf
456 kjalfkdf
 dksfjlk
456 898-0
  • python文件
    mywordcount.py:
"""
    mywordcount.py
"""
from operator import add
from pyspark.sql import SparkSession

logFile = "./data/data.txt"

spark = SparkSession\
    .builder\
    .appName("PythonWordCount")\
    .getOrCreate()

lines = spark.read.text(logFile).rdd.map(lambda r: r[0])
counts = lines.flatMap(lambda x: x.split(' ')) \
              .map(lambda x: (x, 1)) \
              .reduceByKey(add)
output = counts.collect()
for (word, count) in output:
    print("%s: %i" % (word, count))

spark.stop()
  • 执行命令
spark-submit --master local[4] mywordcount.py
  • 执行结果:
......
2018-06-12 11:25:53 INFO  DAGScheduler:54 - Job 0 finished: collect at /root/hao/spark/mywordcount.py:18, took 1.032415 s
1234: 1
: 1
973: 1
dksfjlk: 1
hao: 1
qwe: 1
kjalfkdf: 1
456: 2
898-0: 1
123: 4
akjf: 1
5678: 1
90: 1
2018-06-12 11:25:53 INFO  AbstractConnector:318 - Stopped Spark@bb90840{HTTP/1.1,[http/1.1]}{0.0.0.0:4040}
......
  • 0
    点赞
  • 1
    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