Spark算子:RDD基本转换操作(3)–randomSplit、glom

randomSplit

def randomSplit(weights: Array[Double], seed: Long = Utils.random.nextLong): Array[RDD[T]]

该函数根据weights权重,将一个RDD切分成多个RDD。

该权重参数为一个Double数组

第二个参数为random的种子,基本可忽略。

def main(args: Array[String]): Unit = {
  //默认分区12个
  val sc = new SparkContext(new SparkConf().setMaster("local").setAppName("test").set("spark.default.parallelism", "12"))
  var rdd1 = sc.makeRDD(1 to 10, 2)
  var rdd2 = rdd1.randomSplit(Array(1,2,3))
  println("RDD size:" + rdd2.size)
  rdd2.foreach(_.collect.foreach(println(_)))
}

16/12/20 10:51:49 INFO BlockManagerMaster: Registered BlockManager BlockManagerId(driver, 192.168.56.1, 63792)
RDD size:3
16/12/20 10:51:50 INFO SparkContext: Starting job: collect at ShellTest.scala:26
16/12/20 10:51:50 INFO DAGScheduler: Got job 0 (collect at ShellTest.scala:26) with 2 output partitions

... ...

2
6
10

16/12/20 10:51:50 INFO SparkContext: Starting job: collect at ShellTest.scala:26
... ...
1
9

16/12/20 10:51:51 INFO SparkContext: Starting job: collect at ShellTest.scala:26
.... ....
3
4
5
7
8

16/12/20 10:51:51 INFO SparkContext: Invoking stop() from shutdown hook
16/12/20 10:51:51 INFO SparkUI: Stopped Spark web UI at http://192.168.56.1:4040

 

glom

def glom(): RDD[Array[T]]

该函数是将RDD中每一个分区中类型为T的元素转换成Array[T],这样每一个分区就只有一个数组元素。

 
  1. scala> var rdd = sc.makeRDD(1 to 10,3)
  2. rdd: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[38] at makeRDD at :21
  3. scala> rdd.partitions.size
  4. res33: Int = 3 //该RDD有3个分区
  5. scala> rdd.glom().collect
  6. res35: Array[Array[Int]] = Array(Array(1, 2, 3), Array(4, 5, 6), Array(7, 8, 9, 10))
  7. //glom将每个分区中的元素放到一个数组中,这样,结果就变成了3个数组
  8.  

 

转载于:https://my.oschina.net/chensanti234/blog/808545

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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