RDD編程

發(fā)布時間：2020-07-25 14:52:54 來源：網(wǎng)絡(luò) 閱讀：554 作者：maninglwj 欄目：大數(shù)據(jù)

1.RDD基礎(chǔ)：

Spark中RDD是不可變的分布式對象集合。每個RDD被分為多個分區(qū)，這些分區(qū)運行在集群中的不同節(jié)點上。RDD可以包含任意類型的對象（甚至可以是自定義的）。

前面講到，Spark包含轉(zhuǎn)化操作和行動操作。Spark只會惰性計算這些RDD。它們只有第一次在一個行動操作中用到時，才會真正計算。默認(rèn)情況下，Spark的RDD會在你每次對它們進(jìn)行行動操作時重新計算。如果想在多個行動操作中重用同一個RDD，可以使用RDD.persist()讓Spark把這個RDD緩存（內(nèi)存或者磁盤）下來。

2.創(chuàng)建RDD：

Spark提供2種創(chuàng)建方式：

(1)讀取外部數(shù)據(jù)集：之前的sc.textFile()就屬于這種類型。更加常用的方式。

(2)在驅(qū)動器程序中對一個集合（list、Set等）進(jìn)行并行化，要使用SparkContext.parallelize()方法。

3.RDD操作：

RDD主要分成數(shù)據(jù)類型RDD和鍵值對RDD。有一些操作可以適用于所有類型的RDD，這時候可以直接創(chuàng)建JavaRDD對象，例如map()，filter()等。有些操作只適用于數(shù)據(jù)類型的RDD，例如，這時候創(chuàng)建JavaDoubleRDD對象。有些操作只適用于鍵值對RDD，例如，這時候創(chuàng)建JavaPairRDD對象。

3.1 轉(zhuǎn)化操作：

3.1.1 譜系圖：

通過轉(zhuǎn)化操作，從已有的RDD中派生出新的RDD，Spark會使用譜系圖來記錄這些不同RDD之間的依賴關(guān)系。如下圖所示：

RDD編程

3.1.2 ：

基本的轉(zhuǎn)化操作（map、flatMap、filter、distinct、sample），假設(shè)RDD的數(shù)據(jù){1, 2, 3, 3}:
RDD的集合操作（union、intersection、subtract、cartesian），兩個RDD分別是{1,2,3}、{3,4,5}：

函數(shù)名	作用	例子	運行結(jié)果
map()	Apply a function to each element in the RDD and return an RDD of the result.	rdd.map(x => x +1)	{2, 3, 4, 4}
flatMap()	Apply a function to each element in the RDD and return an RDD of the contents of the iterators returned. Often used to extract words.	rdd.flatMap(x =>x.to(3))	{1, 2, 3, 2, 3, 3, 3}
filter()	Return an RDD consisting of only elements that pass the condition passed to filter().	rdd.filter(x => x!= 1)	{2, 3, 3}
distinct()	Remove duplicates.	rdd.distinct()	{1, 2, 3}
sample(withReplacement,fraction, [seed])	Sample an RDD, with or without replacement.	rdd.sample(false,0.5)	不確定
union()	Produce an RDD containing elements from both RDDs.	rdd.union(other)	{1, 2, 3, 3, 4, 5}
intersection()	RDD containing only elements found in both RDDs.	rdd.intersection(other)	{3}
subtract()	Remove the contents of one RDD (e.g., remove training data).	rdd.subtract(other)	{1, 2}
cartesian()	Cartesian product with the other RDD.	rdd.cartesian(other)	{(1, 3), (1, 4),… (3, 5)}

4.給Spark傳遞函數(shù):

大多數(shù)的轉(zhuǎn)化操作和一部分行動操作，都需要給Spark方法傳遞函數(shù)。在java中，函數(shù)式實現(xiàn)了包org.apache.spark.api.java.function下面任意一個接口的類。該包下面有許多接口，下面是一些基礎(chǔ)接口:

函數(shù)名	需要實現(xiàn)的方法	用法
Function<T, R>	R call(T)	Take in one input and return one output, for use with operations like map()and filter().
Function2<T1, T2,R>	R call(T1, T2)	Take in two inputs and return one output, for use with operations like aggregate() or fold().
FlatMapFunction<T,R>	Iterable<R> call(T)	Take in one input and return zero or more outputs, for use with operations like flatMap().

向AI問一下細(xì)節(jié)

RDD編程

猜你喜歡

最新資訊

相關(guān)推薦

相關(guān)標(biāo)簽