首先简单介绍一下,HDFS的相关操作:
1、在HDFS上创建文件夹
hdfs dfs -mkdir /path
2、将本地文件拷贝到HDFS上
hdfs dfs -copyFromLocal local_file /dstpath
hdfs dfs -put local_file /dstpath
3、将HDFS上的文件拷贝到本地
hdfs dfs -copyToLocal /dstpath local_path
hdfs dfs -get /dstpath local_path
4、列出HDFS上文件夹下的文件
hdfs dfs -ls /dstpath
5、查看HDFS上文件的内容
hdfs dfs -cat /dstpath/result.txt
常用的RDD转换操作API:
1、filter(func) 筛选出满足函数func的元素,并返回一个新的数据集
2、map(func) 将每个元素传递到函数func中,并将结果返回为一个新的数据集
3、flatMap(func) 与map()相似,但每个输入元素都可以映射到0或多个输出结果
4、groupByKey() 应用于(K,V)键值对的数据集时,返回一个新的(K, Iterable)形式的数据集
5、reduceByKey(func) 应用于(K,V)键值对的数据集时,返回一个新的(K, V)形式的数据集,其中每个值是将每个key传递到函数func中进行聚合后的结果
行动操作常用API:
1、count() 返回数据集中的元素个数
2、collect() 以数组的形式返回数据集中的所有元素
3、first() 返回数据集中的第一个元素
4、take(n) 以数组的形式返回数据集中的前n个元素
5、reduce(func) 通过函