SparkRDD之filter、filterByRange

最新推荐文章于 2024-07-22 21:45:00 发布

大雄没有叮当猫

最新推荐文章于 2024-07-22 21:45:00 发布

阅读量4.4k

点赞数 3

分类专栏：大数据开发

本文链接：https://blog.csdn.net/u013230189/article/details/81901283

版权

大数据开发专栏收录该内容

33 篇文章 0 订阅

订阅专栏

1.filter：使用一个布尔函数为RDD的每个数据项计算，并将函数返回true的项放入生成的RDD中。

package com.cb.spark.sparkrdd;

import java.util.Arrays;

import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;

public class FilterExample {
	public static void main(String[] args) {
		SparkConf conf = new SparkConf().setAppName("Filter").setMaster("local");
		JavaSparkContext sc = new JavaSparkContext(conf);
		JavaRDD<String> javaRDD = sc.parallelize(Arrays.asList("cat", "dog", "pig", "mouse", "cat", "Rat", "dog"));
//cat dog pig cat Rat dog 
		javaRDD.filter(x -> x.length() == 3).foreach(x -> System.out.print(x + " "));
		sc.stop();
	}
}

2.filterByRange:该函数作用于键值对RDD，对RDD中的元素进行过滤，返回键在指定范围中的元素。

package com.cb.spark.rdd

import org.apache.spark.SparkConf
import org.apache.spark.SparkContext

object FilterByRange {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf().setMaster("local[2]").setAppName("FilterByRange")
    val sc = new SparkContext(conf)
    val rdd1 = sc.parallelize(List(("e", 5), ("c", 3), ("d", 4), ("c", 2), ("a", 1)))
    rdd1.filterByRange("c", "e").foreach(println)
  }
}