Spark RDD常用算子：Value类型
Spark之所以比Hadoop灵活和强大，其中一个原因是Spark内置了许多有用的算子，也就是方法。通过对这些方法的组合，编程人员就可以写出自己想要的功能。说白了spark编程就是对spark算子的使用，下面为大家详细讲解一下SparkValue类型的常用算子
map
函数说明：
map() 接收一个函数，该函数将RDD中的元素逐条进行映射转换，可以是类型的转换，也可以是值的转换，将函数的返回结果作为结果RDD编程。
函数签名：
def map[U: ClassTag](f: T => U): RDD[U]
案例演示
val sparkConf = new SparkConf().setMaster("local[*]").setAppName("Operator")
val sc = new SparkContext(sparkConf)
//算子 -map
val rdd = sc.makeRDD(List(1, 2, 3, 4),2)
val mapRdd1 = rdd.map(
_*2
)
mapRdd1.collect().foreach(println)
sc.stop()
运行结果
2
4
6
8
mapPartitons
函数说明：
将待处理的数据以分区为单位发送到待计算节点上进行处理，mapPartition是对RDD的每一个分区的迭代器进行操作，返回的是迭代器。这里的处理可以进行任意的处理。
函数签名：
def mapPartitions[U: ClassTag](
f: Iterator[T] => Iterator[U],
preservesPartitioning: Boolean = false): RDD[U]
案例演示
def main(args: Array[String]): Unit = {
val sparkConf = new SparkConf().setMaster("local[*]").setAppName("Operator")
val sc = new SparkContext(sparkConf)
//算子 -mapPartitons 计算每个分区的最大数
val rdd = sc.makeRDD(List(1, 34, 36,345,2435,2342,62,35, 4),4)
val mapParRdd = rdd.mapPartitions(
iter => {
List(iter.max).iterator
}
)
mapParRdd.foreach(println)
sc.stop()
}
运行结果：
62
2435
34
345
mapPartitonsWithIndex
函数说明：
将待处理的数据以分区为单位发送到计算节点上，这里的处理可以进行任意的处理，哪怕是过滤数据，在处理的同时可以获取当前分区的索引值。
函数签名：
def mapPartitionsWithIndex[U: ClassTag](
f: (Int, Iterator[T]) => Iterator[U],
preservesPartitioning: Boolean = false): RDD[U]
案例演示：
将数据进行扁平化映射并且打印所在的分区数
def main(args: Array[String]): Unit = {
val conf = new SparkConf().setMaster("local[*]").setAppName("rdd")
val sc = new SparkContext(conf)
val rdd = sc.makeRDD(List("Hello Spark", "Hello Scala", "Word Count"),2)
val mapRDD = rdd.flatMap(_.split(" "))
val mpwiRdd = mapRDD.mapPartitionsWithIndex(
(index, datas) => {
datas.map(
num => {
(index, num)
}
)
}
)
mpwiRdd.collect().foreach(println)
}
运行结果：
(0,Hello)
(0,Spark)
(1,Hello)
(1,Scala)
(1,Word)
(1,Count)
将数据进行扁平化映射只打印所在第一分区的数据
def main(args: Array[String]): Unit = {
val conf = new SparkConf().setMaster("local[*]").setAppName("rdd")
val sc = new SparkContext(conf)
val rdd = sc.makeRDD(List("Hello Spark", "Hello Scala", "Word Count"),2)
val mapRDD = rdd.flatMap(_.split(" "))
val mpwiRdd = mapRDD.mapPartitionsWithIndex(
(index, datas) => {
if (index==0){
datas.map(
num => {
(index, num)
}
)
}else{
Nil.iterator
}
}
)
mpwiRdd.collect().foreach(println)
运行结果：
(0,Hello)
(0,Spark)
flatMap
函数说明：
将数据进行扁平化之后在做映射处理，所以算子也称为扁平化映射
函数签名：
def flatMap[U: ClassTag](f: T => TraversableOnce[U]): RDD[U]
案例演示：
将每个单词进行扁平化映射
def main(args: Array[String]): Unit = {
val sparkConf = new SparkConf().setMaster("local[*]").setAppName("Operator")
val sc = new SparkContext(sparkConf)
//算子 -map
val rdd = sc.makeRDD(List("Hello Scala","Hello Spark"), 2)
val FltRdd = rdd.flatMap(
_.split(" ")
)
FltRdd.foreach(println)
sc.stop()
}
运行结果：
Hello
Scala
Hello
Spark
glom
函数说明：
glom的作用就是将一个分区的数据合并到一个array中。
函数签名：
def glom(): RDD[Array[T]]
案例演示：
将不同分区rdd的元素合并到一个分区
def main(args: Array[String]): Unit = {
val conf = new SparkConf().setMaster("local[*]").setAppName("rdd")
val sc = new SparkContext(conf)
val rdd = sc.makeRDD(List(1, 2, 3, 4, 5, 6, 7, 8, 9),2)
val glomRdd = rdd.glom()
glomRdd.collect().foreach(data=>println(data.mkString(",")))
sc.stop()
}
运行结果：
1,2,3,4
5,6,7,8,9
groupBy
函数说明：
将数据根据指定的规则进行分组，分区默认不变，单数数据会被打乱，我们成这样的操作为shuffer，
函数签名：
def groupBy[K](f: T => K)(implicit kt: ClassTag[K]): RDD[(K, Iterable[T])]
案例演示：
按照奇偶数进行groupby分区
def main(args: Array[String]): Unit = {
val conf = new SparkConf().setMaster("local[*]").setAppName("rdd")
val sc = new SparkContext(conf)
val rdd = sc.makeRDD(List(1, 2, 3, 4, 5, 6, 7, 8,10),2)
val groupByRDD = rdd.groupBy(_ % 2 == 0)
groupByRDD.collect().foreach(println)
sc.stop()
}
运行结果：
(false,CompactBuffer(1, 3, 5, 7))
(true,CompactBuffer(2, 4, 6, 8, 10))
按照单词的首字母进行分组
def main(args: Array[String]): Unit = {
val conf = new SparkConf().setMaster("local[*]").setAppName("rdd")
val sc = new SparkContext(conf)
val rdd = sc.makeRDD(List("Hello","Tom","Timi","Scala","Spark"))
val groupByRDD = rdd.groupBy(_.charAt(0))
groupByRDD.collect().foreach(println)
sc.stop()
}
运行结果：
(T,CompactBuffer(Tom, Timi))
(H,CompactBuffer(Hello))
(S,CompactBuffer(Scala, Spark))
filter
函数说明：
filter即过滤器的意思，所以filter算子的作用就是过滤的作用。filter将根据指定的规则进行筛选过滤，符合条件的数据保留，不符合的数据丢弃，当数据进行筛选过滤之后，分区不变，但分区内的数据可能不均衡，生产环境下，可能会出现数据倾斜。
函数签名：
def filter(f: T => Boolean): RDD[T]
案例演示：
筛选出能被二整除的数字
def main(args: Array[String]): Unit = {
val conf = new SparkConf().setMaster("local[*]").setAppName("rdd")
val sc = new SparkContext(conf)
val rdd = sc.makeRDD(List(46,235,246,2346,3276,235,234,6234,6245,246,24,6246,235,26,265))
val filterRDD = rdd.filter(_ % 2 == 0)
filterRDD.collect().foreach(println)
sc.stop()
}
运行结果：
46
246
2346
3276
234
6234
246
24
6246
26
2.筛选单词中包含H的
def main(args: Array[String]): Unit = {
val conf = new SparkConf().setMaster("local[*]").setAppName("rdd")
val sc = new SparkContext(conf)
val rdd = sc.makeRDD(List("Hello","Horber","Hbeer","ersfgH","Scala","Hadoop","Zookeeper"))
val filterRDD = rdd.filter(_.contains("H"))
filterRDD.collect().foreach(println)
sc.stop()
}
运行结果：
Hello
Horber
Hbeer
ersfgH
Hadoop
文章来源网络，作者：管理，如若转载，请注明出处：https://shuyeidc.com/wp/223507.html<
