SparkRDD

5 篇文章 0 订阅
3 篇文章 0 订阅
package com.scathon.spark.rdd

import org.apache.spark.{SparkConf, SparkContext}
import org.junit.Test

class RddDemo {
   val conf = new SparkConf().setAppName("rdd").setMaster("local[*]")
   val sc = new SparkContext(conf)
   sc.setLogLevel("ERROR")

   /**
     * 求笛卡尔积
     * (1,6)(1,7)(1,8)...(2,6)(2,7)(2,8)...
     */
   @Test
   def cartesian(): Unit = {
      val x = sc.parallelize(List(1, 2, 3, 4, 5))
      val y = sc.parallelize(List(6, 7, 8, 9, 10))
      printRdd(x.cartesian(y).collect())
   }

   /**
     * 检查点,checkpoint
     * 在下一次计算RDD的时候创建检查点,被Checkpoint的RDD存储在一个二进制文件中,
     * 该文件存在一个可以用SparkContext指定的目录中(注意:Spark提供了懒加载(延迟计算),
     * 检查点知道action动作被触发的时候才会出现),
     */
   @Test
   def checkpoint(): Unit = {
      sc.setCheckpointDir("D:/checkpoint")
      val a = sc.parallelize(1 to 4)
      a.checkpoint()
      println(a.count())
   }

   /**
     * Coalesces the associated data into a given number of partitions.
     * repartition(numPartitions) is simply an abbreviation for coalesce(numPartitions, shuffle = true).
     *
     */
   @Test
   def coalesce(): Unit = {
      val y = sc.parallelize(1 to 10, 10)
      val z = y.coalesce(2, false)
      println(z.partitions.length)
      z.foreach(println)
   }

   /**
     * 功能强大的函数,能够将三个 key-values RDD用Key将他们关联到一起
     */
   @Test
   def cogroup(): Unit = {
      val a = sc.parallelize(List(1, 2, 1, 3), 1)
      val b = a.map((_, "b"))
      printRdd(b.collect())
      val c = a.map((_, "c"))
      printRdd(c.collect())
      //      连接一个
      printRdd(b.cogroup(c).collect())
      val d = a.map((_, "d"))
      //      连接两个
      printRdd(b.cogroup(c, d).collect())
      println("==============")
      val x = sc.parallelize(List((1, "apple"), (2, "banana"), (3, "orange"), (4, "kiwi")), 2)
      val y = sc.parallelize(List((5, "computer"), (1, "laptop"), (1, "desktop"), (4, "iPad")), 2)
      printRdd(x.cogroup(y).collect)
      println("==============")
      printRdd(y.cogroup(x).collect)
   }

   /**
     * collect & toArray
     * action operation
     * 将RDD转换成Scala数组并且返回
     */
   @Test
   def collect(): Unit = {
      val c = sc.parallelize(List("Gnu", "Cat", "Rat", "Dog", "Gnu"), 2)
      printRdd(c.collect())
      println("==============")
      val filterFunc = PartialFunction[String, String](ele => {
         ele.toUpperCase()
      })
      c.collect(filterFunc).foreach(println)
      println("===============")
      //      建议使用这种方式,直接collect会导致内存溢出,如果数据量很大
      c.take(10).foreach(println)
   }

   /**
     * 和collect很相似,但是collectAsMap是工作在key-values的RDD,并且将它们转换成Scala的maps
     * 来保持它们的key-value结构
     */
   @Test
   def collectAsMap(): Unit = {
      val a = sc.parallelize(List(1, 2, 1, 3), 1)
      val b = a.zip(a)
      b.collectAsMap().foreach(println)
   }

   private def printRdd[T](rdd: Array[T]): Unit = {
      rdd.foreach(println)
   }
}

 

  • 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