Spark之RDD创建方式

        在Spark中创建RDD的创建方式可以分为三种：从集合中创建RDD、从外部存储创建RDD、从其他RDD创建。

创建时环境依赖

<dependencies>
    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-core_2.12</artifactId>
        <version>3.0.0</version>
    </dependency>
</dependencies>

<build>
    <finalName>SparkCoreTest</finalName>
    <plugins>
        <plugin>
            <groupId>net.alchim31.maven</groupId>
            <artifactId>scala-maven-plugin</artifactId>
            <version>3.4.6</version>
            <executions>
                <execution>
                    <goals>
                        <goal>compile</goal>
                        <goal>testCompile</goal>
                    </goals>
                </execution>
            </executions>
        </plugin>
    </plugins>
</build>

1.从集合创建

object createrdd {
  def main(args: Array[String]): Unit = {
    val conf: SparkConf = new SparkConf()
          .setAppName("SparkCoreTest")
          .setMaster("local[*]")
    val sc: SparkContext = new SparkContext(conf)

    //使用parallelize()创建rdd
    //val rdd: RDD[Int] = sc.parallelize(Array(1,2,3,4,5,6))

   // rdd.collect().foreach(println)
    //使用makeRDD()创建rdd
    val rdd1: RDD[Int] = sc.makeRDD(Array(1,2,3,4,5,6))
    rdd1.collect().foreach(println)
    sc.stop()
  }
}

注：makeRDD不完全等于parallelize，在其中一种重构方法中，makeRDD增加了位置信息。

2.从外部存储系统的数据集创建

object crearedd2 {
  def main(args: Array[String]): Unit = {
    val conf: SparkConf = new SparkConf()
          .setAppName("WC")
          .setMaster("local[*]")
    val sc: SparkContext = new SparkContext(conf)

    val value: RDD[String] = sc.textFile("input")
    value.foreach(println)
    sc.stop()
  }
}

3.从其他RDD创建

        主要是通过一个RDD运算完后，再产生新的RDD。