m0_74459849的博客

（3）first()/head()/take()/takeAsList()：获取若干条记录。方式2：var gsj:Array[String] = Array(元素1,元素2,…(2)select()/selectExpr()/col()/apply()方法。(4)collect()/collectAsList():获取所有数据。takeAsList(n):获取前n条记录,并以列表的形式展现。limit():获取指定DataFrame数据的前n条记录。15.使用键值对RDD的groupByKey()方法。

- 打包方式，web工程打包为war，Java工程打包为jar-->mvn install #安装到本地仓库。mvn compile #编译。-- 依赖所属项目id-->mvn clean #清理。--设置当前工程的所有依赖d-->mvn test #测试。-- 依赖所属群组id-->--指定pom的模型版本-->--依赖版本号-->-- 具体的插件配置-->-- 组织id-->-- 项目id-->-- 当前依赖-->-- 设置插件-->

创建rdd4，首先用filter()方法过滤去除100以下的数据，之后再用distinct()方法去重输出。首先创建rdd1与rdd2，用union()方法合并rdd1与rdd2放在rdd3中。创建g_rdd1，用groupByKey()方法对具有相同的值进行分组，将相同键的值的数量输出。创建rdd6，先用distinct()方法去重，再用cartesian()方法输出笛卡尔积。创建rdd1与rdd2，用union()方法将rdd1和rdd2放在rdd4中。用distinct()方法去重。

Spark官网：http://sparkSpark是新一代轻量级大数据处理平台Spark特点快速Spark运行速度快的原因是Spark的中间数据存放在内存中易用Spark支持多种语音的交互模式界面通用Spark框架包含多个紧密集成的组件，涵盖了机器学习、图形算法、流式计算、SQL查询和迭代计算等多种功能，组件间无缝、紧密地集成，一站式解决工作流中的问题。随处运行用户可以使用Spark的独立集群模式运行Spark，也可以在EC2（亚马逊弹性计算云）、Hadoop。