spark算子大全glom_Spark算子：RDD基本转换操作(3)–randomSplit、glom

关键字：Spark算子、Spark RDD基本转换、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。

scala> var rdd = sc.makeRDD(1 to 10,10)

rdd: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[16] at makeRDD at :21

scala> rdd.collect

res6: Array[Int] = Array(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)

scala> var splitRDD = rdd.randomSplit(Array(1.0,2.0,3.0,4.0))

splitRDD: Array[org.apache.spark.rdd.RDD[Int]] = Array(MapPartitionsRDD[17] at randomSplit at :23,

MapPartitionsRDD[18] at randomSplit at :23,

MapPartitionsRDD[19] at randomSplit at :23,

MapPartitionsRDD[20] at randomSplit at :23)

//这里注意：randomSplit的结果是一个RDD数组

scala> splitRDD.size

res8: Int = 4

//由于randomSplit的第一个参数weights中传入的值有4个，因此，就会切分成4个RDD,

//把原来的rdd按照权重1.0,2.0,3.0,4.0，随机划分到这4个RDD中，权重高的RDD，划分到//的几率就大一些。

//注意，权重的总和加起来为1，否则会不正常

scala> splitRDD(0).collect

res10: Array[Int] = Array(1, 4)

scala> splitRDD(1).collect

res11: Array[Int] = Array(3)

scala> splitRDD(2).collect

res12: Array[Int] = Array(5, 9)

scala> splitRDD(3).collect

res13: Array[Int] = Array(2, 6, 7, 8, 10)

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。

scala> var rdd = sc.makeRDD(1 to 10,3)

rdd: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[38] at makeRDD at :21

scala> rdd.partitions.size

res33: Int = 3 //该RDD有3个分区

scala> rdd.glom().collect

res35: Array[Array[Int]] = Array(Array(1, 2, 3), Array(4, 5, 6), Array(7, 8, 9, 10))

//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

如果觉得本博客对您有帮助，请 赞助作者 。