spark编程模型

创建 RDD

从集合创建 RDD

创建方式一:parallelize

scala> val paraRDD = sc.parallelize(arr)
paraRDD: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[0] at parallelize at <console>:26

scala> val listRDD = sc.parallelize(list)
listRDD: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[1] at parallelize at <console>:26


创建方式二:makeRDD

scala> val paraRDD = sc.makeRDD(arr)
paraRDD: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[2] at makeRDD at <console>:26

scala> val listRDD = sc.makeRDD(list)
listRDD: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[3] at makeRDD at <console>:26


从文件系统创建RDD

scala> val localFile =sc.textFile("/root/app/sparktest/test.txt")
localFile: org.apache.spark.rdd.RDD[String] = /root/app/sparktest/test.txt MapPartitionsRDD[7] at textFile at <console>:24

topn 实现

scala> val filerdd = sc.textFile("/root/app/sparktest/test2.txt")
filerdd: org.apache.spark.rdd.RDD[String] = /root/app/sparktest/test2.txt MapPartitionsRDD[1] at textFile at <console>:24

scala> val lines = filerdd.flatMap(_.split("\\s+")).map((_,1)).reduceByKey(_+_).map(t=>(t._2,t._1)).sortByKey(false).map(t=>(t._2,t._1))
lines: org.apache.spark.rdd.RDD[(String, Int)] = MapPartitionsRDD[9] at map at <console>:25

scala> lines.take(3).foreach(println)
(spark,6)
(hadoop,4)
(java,3)


#filerdd.flatMap(_.split("\\s+")):创建单词的数据集
#map((_,1)):形成key,value的PairRDD
#reduceByKey(_+_):相同key的value进行相加
#map(t=>(t._2,t._1)):key和value的位置互换
#sortByKey(false):降序排序

 

 

  • 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