欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

Spark之【RDD编程】详细讲解(No3)——《Action》

程序员文章站 2022-05-03 13:14:26
...

        本篇博客是Spark之【RDD编程】系列第三篇,为大家带来的是Action的内容。

        该系列内容十分丰富,高能预警,先赞后看!

Spark之【RDD编程】详细讲解(No3)——《Action》


4. Action

4.1 reduce(func) 案例

1.作用:通过func函数聚集RDD中的所有元素,先聚合分区内数据,再聚合分区间数据。

2.需求:创建一个RDD,将所有元素聚合得到结果。

1)创建一个RDD[Int]

scala> val rdd1 = sc.makeRDD(1 to 10,2)
rdd1: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[85] at makeRDD at <console>:24

2)聚合RDD[Int]所有元素

scala> rdd1.reduce(_+_)
res50: Int = 55

3)创建一个RDD[String]

scala> val rdd2 = sc.makeRDD(Array(("a",1),("a",3),("c",3),("d",5)))
rdd2: org.apache.spark.rdd.RDD[(String, Int)] = ParallelCollectionRDD[86] at makeRDD at <console>:24

4)聚合RDD[String]所有数据

scala> rdd2.reduce((x,y)=>(x._1 + y._1,x._2 + y._2))
res51: (String, Int) = (adca,12)

4.2 collect()案例

1.作用:在驱动程序中,以数组的形式返回数据集的所有元素。

2.需求:创建一个RDD,并将RDD内容收集到Driver端打印

1)创建一个RDD

scala> val rdd = sc.parallelize(1 to 10)
rdd: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[0] at parallelize at <console>:24

2)将结果收集到Driver端

scala> rdd.collect
res0: Array[Int] = Array(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)

4.3 count()案例

1.作用:返回RDD中元素的个数

2.需求:创建一个RDD,统计该RDD的条数

1)创建一个RDD

scala> val rdd = sc.parallelize(1 to 10)
rdd: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[0] at parallelize at <console>:24

2)统计该RDD的条数

scala> rdd.count
res1: Long = 10

4.4 first案例

1.作用:返回RDD中的第一个元素

2.需求:创建一个RDD,返回该RDD中的第一个元素

1)创建一个RDD

scala> val rdd = sc.parallelize(1 to 10)
rdd: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[0] at parallelize at <console>:24

2)统计该RDD的条数

scala> rdd.first
res2: Int = 1

4.5 take(n)案例

1.作用:返回一个由RDD的前n个元素组成的数组

2.需求:创建一个RDD,统计该RDD的条数

1) 创建一个RDD

scala> val rdd = sc.parallelize(Array(2,5,4,6,8,3))
rdd: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[2] at parallelize at <console>:24

2)统计该RDD的条数

scala> rdd.take(3)
res10: Array[Int] = Array(2, 5, 4)

4.6 takeOrdered(n)案例

1.作用:返回该RDD排序后的前n个元素组成的数组

2.需求:创建一个RDD,统计该RDD的条数

1)创建一个RDD

scala> val rdd = sc.parallelize(Array(2,5,4,6,8,3))
rdd: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[2] at parallelize at <console>:24

2)统计该RDD的条数

scala> rdd.takeOrdered(3)
res18: Array[Int] = Array(2, 3, 4)

4.7 aggregate案例

1.参数:(zeroValue: U)(seqOp: (U, T) ⇒ U, combOp: (U, U) ⇒ U)

2.作用:aggregate函数将每个分区里面的元素通过seqOp和初始值进行聚合,然后用combine函数将每个分区的结果和初始值(zeroValue)进行combine操作。这个函数最终返回的类型不需要和RDD中元素类型一致。

3.需求:创建一个RDD,将所有元素相加得到结果

1)创建一个RDD

scala> var rdd1 = sc.makeRDD(1 to 10,2)
rdd1: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[88] at makeRDD at <console>:24

2)将该RDD所有元素相加得到结果

scala> rdd.aggregate(0)(_+_,_+_)
res22: Int = 55

4.9 saveAsTextFile(path)

作用:将数据集的元素以textfile的形式保存到HDFS文件系统或者其他支持的文件系统,对于每个元素,Spark将会调用toString方法,将它装换为文件中的文本。

4.10 saveAsSequenceFile(path)

作用:将数据集中的元素以Hadoop sequencefile的格式保存到指定的目录下,可以使HDFS或者其他Hadoop支持的文件系统。

4.11 saveAsObjectFile(path)

作用:用于将RDD中的元素序列化成对象,存储到文件中。

4.12 countByKey()案例

1.作用:针对(K,V)类型的RDD,返回一个(K,Int)的map,表示每一个key对应的元素个数。

2.需求:创建一个PairRDD,统计每种key的个数

1)创建一个PairRDD

scala> val rdd = sc.parallelize(List((1,3),(1,2),(1,4),(2,3),(3,6),(3,8)),3)
rdd: org.apache.spark.rdd.RDD[(Int, Int)] = ParallelCollectionRDD[95] at parallelize at <console>:24

2)统计每种key的个数

scala> rdd.countByKey
res63: scala.collection.Map[Int,Long] = Map(3 -> 2, 1 -> 3, 2 -> 1)

4.13 foreach(func)案例

1.作用:在数据集的每一个元素上,运行函数func进行更新。

2.需求:创建一个RDD,对每个元素进行打印

1)创建一个RDD

scala> var rdd = sc.makeRDD(1 to 5,2)
rdd: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[107] at makeRDD at <console>:24

2)对该RDD每个元素进行打印

scala> rdd.foreach(println(_))
3
4
5
1
2

        
        本篇内容分享就到这里,受益的小伙伴或对大数据技术感兴趣的朋友记得点赞关注一下哟~下一篇博客No4将为大家带来RDD中的函数传递的教程,敬请期待!
        
        
Spark之【RDD编程】详细讲解(No3)——《Action》