大数据学习笔记(六)-Spark的RDD

本文介绍了Spark中的核心数据结构RDD,包括如何创建RDD、常见转化和行动操作,如filter、map、reduceByKey等。还详细讲解了Pair RDD的操作,并重点讨论了广播变量的概念和优势,强调其在大数据处理中提高效率的作用,特别是在处理大文件时避免重复拷贝和提升数据传输速度方面的应用。
摘要由CSDN通过智能技术生成

创建
RDD是Spark中的数据集,是只读的
RDD可以从集合,普通文件系统,HDFS文件系统中创建
scala创建RDD的方法

val lines1 = sc.parallelize(List("aa","bb"))
val lines2 = sc.textFile("file:///opt/spark/README.md")
val lines3 = sc.textFile("hdfs://nn.a:9000/afile")

Spark读取hdfs文件系统中的文件需要将hadoop etc目录下的core-site.xml和hdfs-site.xml拷贝到Spark的conf目录下。

Spark1.6.3的Scala API文档:https://spark.apache.org/docs/1.6.3/programming-guide.html

转化操作
对单一RDD常用转化操作
filter():过滤
first():第一行
m

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