Spark RDD常用的函数

  • 创建RDD-创建
    • JavaSparkContext.textFile(filename):从文件中创建RDD
    • JavaSparkContext.parallelize(List):从内存中的数据创建RDD
  • 转化RDD-转化操作

    • map():对RDD中的每个元素进行操作,返回值的类型不必和原RDD的元素值类型相等。

      JavaRDD<Pair<Integer, Integer>> numbers = integers.map(new Function<Integer,                            Pair<Integer, Integer>>() {
              public Pair<Integer, Integer> call(Integer integer) throws Exception {
                  return new Pair<Integer, Integer>(integer, 1);
              }
          });
    • filter():对原RDD中的每个元素进行筛选,选出符合条件的元素,组成新的RDD

      JavaRDD<String> pythonRDD = lines.filter(new Function<String, Boolean>() {
              public Boolean call(String s) throws Exception {
                  if(s.contains("Python"))
                          return true;
                  return false;
              }
          });
    • flatmap():当我们想由原RDD中的一个元素返回多个元素的时候,我们就使用这个转化函数

      JavaRDD<String> words = lines.flatMap(line -> Arrays.asList(line.split(" ")).iterator());
      
    • union()、intersection()、subtract()、cartesian():分别是对两个RDD计算并集,交集,减法以及笛卡儿积

    • mapToPair():当我们想从原RDD中的每个元素返回一个K,V类型的元素的时候使用该函数:
      JavaPairRDD<String, Integer> result = words.mapToPair(word->
                  new Tuple2<String, Integer>(word,1)).reduceByKey((a, b) -> a+b);
  • 行动操作

    • reduce():假设一个RDD的元素类型是X,则reduce的作用就是将第一个X和第二个X进行reduce操作然后再放入RDD中,一直到RDD中还剩最后一个X,则将X返回

      Integer sum = integers.reduce(new Function2<Integer, Integer, Integer>() {
              public Integer call(Integer integer, Integer integer2) throws Exception {
                  return integer + integer2;
              }
          });
    • reduceByKey(): 这里要求调用RDD是JavaPairRDD而不是JavaRDD,相当于自动将每个Key值相同的元素整合在一起,让我们通过该函数来确认Value的值

      JavaPairRDD<String, Integer> result = words.mapToPair(word->
                  new Tuple2<String, Integer>(word,1)).reduceByKey((a, b) -> a+b);
    • fold():和reduce相似,只不过他可以指定一个初始值,针对每个分区(注意一个RDD会有多个分区存在)首先使用初始值和第一个Reduce进行操作,然后就和reduce一致,具体见下图:(http://blog.jasonding.top/2015/07/12/Spark/%E3%80%90Spark%E3%80%91RDD%E6%93%8D%E4%BD%9C%E8%AF%A6%E8%A7%A34%E2%80%94%E2%80%94Action%E7%AE%97%E5%AD%90/
      image
      fold函数
      image
      reduce函数

    • aggregate():因为reduce函数只能返回RDD元素值的类型,比如说RDD的元素类型是Integer,那么reduce只能返回Integer类型的元素,当我们想返回和RDD元素值类型不同的时候,就使用aggregate函数,假设我们想让aggregate返回类型A,那么如下所示:第一个参数a是每个分区的初始化值,第二个参数是对每个分区进行处理的函数,每个分区最后处理的结果就是A类型的数据,第三个参数是对每个分区返回的结果再进行处理,也就是合并。具体流程如下图说是:
      A a = new A();//进行初始化
      A result = integers.aggregate(a, new Function2<A,Integer,A>{
              public A call(A a, Integer integer){
                  //自己实现
      
              }}, new Function2<A, A, A>{
              public A call(A a, A a1){
                  //自己实现
      
              }});

    image

  • 0
    点赞
  • 4
    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