• <xmp id="wgksg"><samp id="wgksg"></samp>
  • <blockquote id="wgksg"></blockquote>
  • 400-650-7353

    精品課程

    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。

    學習疑問申請解答
    您的姓名
    您的電話
    意向課程
     

    中公優就業

    IT小助手

    掃描上方二維碼添加好友,請備注:599,享學習福利。

    >>本文地址:
    注:本站稿件未經許可不得轉載,轉載請保留出處及源文件地址。

    推薦閱讀

    優就業:ujiuye

    關注中公優就業官方微信

    • 關注微信回復關鍵詞“大禮包”,享學習福利
    QQ交流群
    在線疑問解答
    (加群備注“網站”)
    IT培訓交流群 加入群聊 +
    軟件測試 加入群聊 +
    全鏈路UI/UE設計 加入群聊 +
    Python+人工智能 加入群聊 +
    互聯網營銷 加入群聊 +
    Java開發 加入群聊 +
    PHP開發 加入群聊 +
    VR/AR游戲開發 加入群聊 +
    大前端 加入群聊 +
    大數據 加入群聊 +
    Linux云計算 加入群聊 +
    優就業官方微信
    掃碼回復關鍵詞“大禮包”
    享學習福利

    測一測
    你適合學哪門IT技術?

    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
     
    課程資料、活動優惠 領取通道
     
     
    A级毛片毛片免费观看久,A毛看片免费观看视频,毛片曰本女人牲交视频视频