怎样使用spark的pipe调用外部程序

本文介绍了如何利用Spark的pipe()方法与Python和shell进行交互。通过pipe(),RDD的数据可以被传递给Python脚本或shell命令处理,实现了Spark作业中的复杂逻辑。内容包括Python脚本的创建、权限设置,以及Spark程序中的pipe调用步骤,同时也讲解了如何调用shell脚本进行数据处理。
摘要由CSDN通过智能技术生成

怎样使用spark的pipe调用外部程序

Spark在RDD上提供pipe()方法。Spark的pipe()方法可以让我们使用任意一种语言实现Spark作业中的部分逻辑,只要它能读写Unix标准的流就行。通过pipe(),你可以将RDD中的各元素从标准输入流中以字符串形式读出,并对这些元素执行任何你需要的操作,然后把结果以字符串的形式写入标准输出------这个过程就是RDD的转化操作过程。有了pipe()这个管道我们就可以通过这个管道与R、C++、Python以及shell脚本等程序进行交互,使其能够进行更快的计算。

本博客只介绍spark通过pipe()与Python,shell进行交互,感兴趣的小伙伴可以尝试一下其他的。

第一种:pipe()与Python进行交互

1.首先写一个Python程序,在本地运行保证没问题。

import sys

for line in sys.stdin:
    d=line.strip().split(',')
    if len(d) !=2:
        continue
    label=d.pop(0)
    hit_id=d.pop(0)
    features=[]
    features.append(("Item.id,%s" % label, 1))
    features.append(("Item.id,%s" % hit_id,1))
    print(features)

注意:要用stdin或者raw_input获取输入。
2.把Python程序写成脚本

#!/usr/bin/python
import sys

for line in sys.stdin:
    d=line
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