• <b id="gimrh"><noscript id="gimrh"></noscript></b>
    1. <video id="gimrh"><menu id="gimrh"></menu></video>
      <tt id="gimrh"><tbody id="gimrh"></tbody></tt>

      400-650-7353
      您所在的位置:首頁 > IT干貨資料 > 大數據 > 【大數據基礎知識】Spark常用算子(二)

      【大數據基礎知識】Spark常用算子(二)

      • 發布: 大數據培訓
      • 來源:大數據干貨資料
      • 2021-07-28 10:07:22
      • 閱讀()
      • 分享
      • 手機端入口

      1. mapValues

      mapValues算子 ,作用于 [K,V] 格式的RDD上,并且只對V(Value)進行操作,Key值保持不變。

      (1)將[K,V] 格式的List轉換為[K,V] 格式的RDD。

      scala> val rdd = sc.makeRDD(List(("Tom",100),("Mike",80)))

      rdd: org.apache.spark.rdd.RDD[(String, Int)] = ParallelCollectionRDD[2] at makeRDD at :24

      (2)使用mapValues算子,將value值乘以100,key值保持不變

      scala> val rdd2=rdd.mapValues(_*100)

      rdd2: org.apache.spark.rdd.RDD[(String, Int)] = MapPartitionsRDD[1] at mapValues at :26

      (3)使用collect算子回收,查看結果

      scala> rdd2.collect

      res0: Array[(String, Int)] = Array((Tom,10000), (Mike,8000))

      2. mapPartitions

      作用于RDD上的每一個分區,傳遞的函數相當于一個迭代器,有幾個分區,就會迭代幾次。

      object Test1 {

      def main(args: Array[String]): Unit = {

      val conf=new SparkConf()

      .setMaster("local[*]")

      .setAppName(this.getClass.getSimpleName)

      val sc=new SparkContext(conf)

      val rdd=sc.makeRDD(List(1,2,3,4,5,6),3);

      val values: RDD[Int] = rdd.mapPartitions(t => {

      t.map(_ * 10)

      })

      //打印輸出結果

      values.foreach(println)

      }

      }

      使用上面的代碼進行測試。輸出結果如下:

      可以看到,因為設置了3個分區,所以相應啟動了3個任務,在每個分區上進行迭代計算。

      3. filter

      filter算子過濾出所有的滿足條件的元素。

      另外fliter算子不會改變分區的數量,所以經過過濾后,即使某些分區沒有數據了,但是分區依然存在的。

      scala> val rdd1 = sc.makeRDD(List(1,2,3,4,5,6),3)

      rdd1: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[2] at makeRDD at :24

      scala> val rdd2 = rdd1.filter(_>3)

      rdd2: org.apache.spark.rdd.RDD[Int] = MapPartitionsRDD[3] at filter at :26

      scala> rdd2.partitions.size

      res3: Int = 3

      4. sortBy

      sortBy算子按照指定條件進行排序。

      我們使用下面的代碼進行測試:

      object Test2 {

      def main(args: Array[String]): Unit = {

      val conf=new SparkConf()

      .setMaster("local[*]")

      .setAppName(this.getClass.getSimpleName)

      val sc=new SparkContext(conf)

      val rdd: RDD[(String, Int)] = sc.makeRDD(List(("Tom", 80), ("Mike", 90), ("Mary", 85),("John",60)))

      //按value值升序排列

      val res1: RDD[(String, Int)] = rdd.sortBy(_._2)

      res1.collect.foreach(println)

      // 按value值降序排列

      val res2: RDD[(String, Int)] = rdd.sortBy(_._2, false)

      res2.collect.foreach(println)

      }

      }

      升序輸出的結果如下:

      降序輸出的結果如下:

      有一點需要說明的是,輸出結果前,要使用collect算子把結果回收到本地。因為數據是分散在集群各節點的,如果不回收,看到的結果可能是不正確的。

      文章“【大數據基礎知識】Spark常用算子(二)”已幫助

      >>本文地址:http://www.threeriversmusicproducts.com/zhuanye/2021/69463.html

      THE END  

      聲明:本站稿件版權均屬中公教育優就業所有,未經許可不得擅自轉載。

      領取零基礎自學IT資源

      (內含學習路線+視頻教程+項目源碼)

      涉及Java、Web前端、UI設計、軟件測試、Python等多個IT熱門方向

      打開微信掃一掃即可領取哦~

      1 您的年齡

      2 您的學歷

      3 您更想做哪個方向的工作?

      獲取測試結果
      • 大前端大前端
      • 大數據大數據
      • 互聯網營銷互聯網營銷
      • JavaJava
      • Linux云計算Linux
      • Python+人工智能Python
      • 嵌入式物聯網嵌入式
      • 全域電商運營全域電商運營
      • 軟件測試軟件測試
      • 室內設計室內設計
      • 平面設計平面設計
      • 電商設計電商設計
      • 網頁設計網頁設計
      • 全鏈路UI/UE設計UI設計
      • VR/AR游戲開發VR/AR
      • 網絡安全網絡安全
      • 新媒體與短視頻運營新媒體
      • 直播帶貨直播帶貨
      • 智能機器人軟件開發智能機器人
       

      快速通道fast track

      近期開班時間TIME

      bl乱J伦高HH

    2. <b id="gimrh"><noscript id="gimrh"></noscript></b>
      1. <video id="gimrh"><menu id="gimrh"></menu></video>
        <tt id="gimrh"><tbody id="gimrh"></tbody></tt>