1、Map和flatMap
Map是将每一个数据拿出来执行一遍其传入的function,
flatMap是将一条数据数据打散执行方法
(注意,每一个数据和每一条数据是有区别的,hello you 是一条数据,其中的hello和you是每一个数据)
例:
val pairs: DStream[(String, Int)] = lines.flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_)
注意:flatMap作用的是一条一条的数据,才去执行,不作用于键值对
2、reduce和reduceByKey
reduce需要自定义聚合方法,
reduceByKey可以直接调用聚合方法
reduce的聚合实现代码后期更新
3、sortBy和sortByKey
sortBy是按照某一个参数的值去排序,
sortByKey是按照key去排序,
代码后期更
4、collect:是action操作里的一个算子(算子就是映射,就是关系,就是变换),这个方法可以将RDD类型的数据转化为数组。同时会从远程集群拉取数据到driver端(驱动端)
弊端:RDD的惰性机制,真正的计算发生在Action操作,那么一次collect就会导致一次shuffle,而一次shuffle调度一次stage,然而一次stage包含很多个已分解的Task,这样会导致程序运行时间大大增加,属于比较耗时的操作,即使在local模式下也同样耗时
从环境上来讲,