【Python】Dpark例子分析

工作流程分析：

PI例子，构造数组RDD并处理：

#-*- coding: utf-8 -*-
# Dpark的估算pi例子,构造数组RDD处理

from random import random
import dpark

#定义取点总数，越多越精确
N = 100000

#定义map()转换函数，用于将RDD转变成新的RDD
def rand(i):
    x = random()
    y = random()
    return (x*x + y*y) < 1.0 and 1 or 0

#(1)dpark.parallelize将数据分成4块RDD
#(2)利用map()将4块RDD对应转换成新的RDD
#(3)利用reduce()处理每一块RDD，返回计算结果
count = dpark.parallelize(range(N), 4).map(rand).reduce(lambda x,y:x+y)

print 'pi is ', 4.0 * count / N

word count例子，构造文件RDD处理：

#-*- coding: utf-8 -*-
# word count例子，构造文件RDD
from dpark import DparkContext

def word_count(file_path, word):   
    #指定某个Mesos主机进行沟通
    dpark = DparkContext()
    
    #将分布式文件，构造成文件RDD,每块大小为16m
    f = dpark.textFile(file_path, splitSize=16<<20)

    #用map()转变成新的RDD,再用filter过滤出更新的RDD，最后用count()处理返回结果
    print word, 'count:', f.map(lambda line: line.strip()).filter(lambda line: word in line).count()