- 1.由外部存储系统的数据集创建,包括本地的文件系统,还有所有Hadoop支持的数据集,比如HDFS、Cassandra、HBase等
val rdd1 = sc.textFile("hdfs://node01:8020/wordcount/input/words.txt")
- 2.通过已有的RDD经过算子转换生成新的RDD
val rdd2=rdd1.flatMap(_.split(" "))
- 3.由一个已经存在的Scala集合创建
从集合中创建RDD,Spark主要提供了两种函数:parallelize和makeRDD 创建
val rdd3 = sc.parallelize(Array(1,2,3,4,5,6,7,8))
//或者
val rdd4 = sc.makeRDD(List(1,2,3,4,5,6,7,8))
makeRDD方法底层调用了parallelize方法