1.RDD基礎(chǔ)：

成都創(chuàng)新互聯(lián)從2013年創(chuàng)立，是專業(yè)互聯(lián)網(wǎng)技術(shù)服務(wù)公司，擁有項(xiàng)目成都做網(wǎng)站、網(wǎng)站制作網(wǎng)站策劃，項(xiàng)目實(shí)施與項(xiàng)目整合能力。我們以讓每一個(gè)夢想脫穎而出為使命，1280元柳南做網(wǎng)站,已為上家服務(wù),為柳南各地企業(yè)和個(gè)人服務(wù),聯(lián)系電話:18980820575

 Spark中RDD是不可變的分布式對象集合。每個(gè)RDD被分為多個(gè)分區(qū)，這些分區(qū)運(yùn)行在集群中的不同節(jié)點(diǎn)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(dòng)操作。Spark只會惰性計(jì)算這些RDD。它們只有第一次在一個(gè)行動(dòng)操作中用到時(shí)，才會真正計(jì)算。默認(rèn)情況下，Spark的RDD會在你每次對它們進(jìn)行行動(dòng)操作時(shí)重新計(jì)算。如果想在多個(gè)行動(dòng)操作中重用同一個(gè)RDD，可以使用RDD.persist()讓Spark把這個(gè)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(dòng)器程序中對一個(gè)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(shí)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(shí)候創(chuàng)建JavaDoubleRDD對象。有些操作只適用于鍵值對RDD，例如 ，這時(shí)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：

3.1.2 ：

1. 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}:

2. RDD的集合操作（union、intersection、subtract、cartesian），兩個(gè)RDD分別是{1,2,3}、{3,4,5}：

函數(shù)名	作用	例子	運(yùn)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(dòng)操作，都需要給Spark方法傳遞函數(shù)。在java中，函數(shù)式實(shí)現(xiàn)了包org.apache.spark.api.java.function下面任意一個(gè)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(shí)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().

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時(shí)售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務(wù)可用性高、性價(jià)比高”等特點(diǎn)與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場景需求。

名稱欄目：RDD編程-創(chuàng)新互聯(lián)
網(wǎng)站地址：http://aaarwkj.com/article26/hcijg.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供商城網(wǎng)站、面包屑導(dǎo)航、域名注冊、網(wǎng)站導(dǎo)航、微信小程序、Google

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)