一、读取hdfs上的文件作为rdd
hdfs的文件 /user/root/mapreduce/wordcount/input/wc.input 有以下内容
hadoop hive
hive hadoop
hbase sqoop
hbase sqoop
hadoop hive
启动spark-shell
bin/spark-shell
读取hdfs的文件 /user/root/mapreduce/wordcount/input/wc.input;得到的rdd是string类型,每一行都是string字符串;
scala> val linesRdd = sc.textFile("hdfs://hadoop-senior.ibeifeng.com:8020/user/root/mapreduce/wordcount/input/wc.input")
linesRdd: org.apache.spark.rdd.RDD[String] = hdfs://hadoop-senior.ibeifeng.com:8020/user/root/mapreduce/wordcount/input/wc.input MapPartitionsRDD[1] at textFile at <console>:21
二、对RDD[String]进行分割处理和统计
rdd里面都是高阶函数(方法可以接受函数);
要得到单个的单词字符串,rdd 类型要是 rdd[String];
1、用map方法对linesRdd进行分割成单词,分割符为空格;得