Spark支持两种RDD操作:
transformation和action。transformation操作会针对已有的RDD创建一个新的RDD;
而action则主要是对RDD进行最后的操作,比如遍历、reduce、保存到文件等,并可以返回结果给Driver程序。
Transformation API 的快速入门
//1.需求使用map函数将 将list中的每一个元素*2 返回新的RDD
// 定义一个RDD 数据为1-10的列表
val list = sc.parallelize(1.to(10))
val newList: RDD[Int] = list.map(_ * 2)
//2.需求使用filter将大于5的数据过滤掉得到一个新的RDD
// 定义一个RDD 数据为1-10的列表
val list = sc.parallelize(1.to(10))
val newList: RDD[Int] = list.filter(x=>x>5)
// 3.需求定义一个1-10列表指定一个2分区 并将分区0的数据每个一个数据*2 1分区的数据*3 返回新的RDD
list.mapPartitionsWithIndex((x, res) => {if (x == 0) {res.map(_ * 2)} else {res.map(_ * 3)}}).foreach(println)
//4.需求定义两个列表list1 list2 将两个的数据求一个并集不去重 返回一个新的RDD
val list1 = sc.parallelize(1.to(10), 2)
val list2 = sc.parallelize(3.to(10), 2)
val rel = list1.union(list2).collect()
println(rel.addString(new StringBuilder,","))
//5.需求定义两个列list1 list2 求出列表中的交集并返回新的RDD
// 定义一个RDD 数据为1-10的列表
val list1 = sc.parallelize(1.to(10), 2)
val list2 = sc.parallelize(3.to(10), 2)
val unit = list1.intersection(list2)
unit.foreach(println)
// 6.需求定义一个列表去掉重复的数据 返回新的RDD
// 定义一个RDD 数据为1-10的列表
val list1 = sc.parallelize(List(1, 2, 4, 3, 3, 2, 2, 2, 3, 3, 5));
// 使用 distinct 去重
val data = list1.distinct().collect()
data.foreach(println)
// 7.需求定义一个KV的类型以K进行分组得到一个新的RDD
// 定义一个RDD
val list1 = sc.parallelize(List(("tom", 1), ("zhangsan", 12), ("kill", 1), ("tom", 2)));
val unit = list1.groupByKey()
unit.foreach(println)
//8.需求定义一个列表要求将相同的key的求出总和
// 定义一个RDD
val list1 = sc.parallelize(List(("tom", 1), ("zhangsan", 12), ("kill", 1), ("tom", 2)));
val datas: RDD[(String, Int)] = list1.reduceByKey(_ + _)
datas.foreach(println)
// 9.需求定义一个列表为kv类型 需要根据key进行排序
// 定义一个RDD
val list1 = sc.parallelize(List(("tom", 1), ("zhangsan", 12), ("kill", 1), ("tom", 2)));
val unit = list1.sortByKey()
unit.foreach(println)
//10.需求定义一个列表 将list1中数据按照升序进行排序
var list1 = sc.parallelize(List(1, 2, 3, 4, 5, 0, 9, 8, 7))
val result = list1.sortBy(x => x, true).collect()
result.foreach(println)
// 11.需求将list1 与list2中的数据进行join
// 定义上下文对象
val sc = new SparkContext(conf)
val list1 = sc.parallelize(List(("tom", 1), ("jerry", 2), ("kitty", 3)))
val list2 = sc.parallelize(List(("jerry", 9), ("tom", 8), ("shuke", 7), ("tom", 2)))
val data = list1.join(list2).collect()
data.foreach(println)