2023学年完整公开课版count算子_第1页
2023学年完整公开课版count算子_第2页
2023学年完整公开课版count算子_第3页
2023学年完整公开课版count算子_第4页
2023学年完整公开课版count算子_第5页
已阅读5页，还剩8页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

count算子count算子算子概述/01算子概述

RDD算子从对数据操作上讲,大致分为两类:转换(transformations)和行动(action)。算子概述

转换算子:

将一个RDD转换为另一个RDD,这种变换并不触发提交作业,完成作业中间过程处理。RDD的操作种类有多个，分为：

map(func)

返回一个新的RDD，该RDD由每一个输入元素经过func函数转换后组成。mapPartitionsWithIndex(func)

类似于mapPartitions，但func带有一个整数参数表示分片的索引值，因此在类型为T的RDD上运行时，func的函数类型必须是(Int,Interator[T])=>Iterator[U]。算子概述-转换算子

map()和mapPartition()

map()：每次处理一条数据。glom

将每一个分区形成一个数组，形成新的RDD类型时RDD[Array[T]]groupBy(func)

分组，按照传入函数的返回值进行分组。将相同的key对应的值放入一个迭代器。distinct([numTasks]))

对源RDD进行去重后返回一个新的RDD。默认情况下，只有8个并行任务来操作，但是可以传入一个可选的numTasks参数改变它。算子概述-转换算子

coalesce(numPartitions)

缩减分区数，用于大数据集过滤后，提高小数据集的执行效率。repartition(numPartitions)

根据分区数，重新通过网络随机洗牌所有数据。flatMap(func)

类似于map，但是每一个输入元素可以被映射为0或多个输出元素（所以func应该返回一个序列，而不是单一元素）。算子概述-转换算子

行动算子:将一个RDD进行求值或者输出,这类算子会触发SparkContext提交Job作业。将Spark中的行动算子分为两类：数据运算类，主要用于触发RDD计算，并得到计算结果返回给Spark程序或Shell界面；数据存储类，用于触发RDD计算后，将结果保存到外部存储系统中，如HDFS文件系统或数据库。

算子概述-行动算子/02count算子

count算子属于行动算子defcount():Longcount返回RDD中的元素数量

scala>

varrdd1=sc.makeRDD(Array(("A","1"),("B","2"),("C","3")),2)

rdd1:org.apache.spark.rdd.RDD[(String,String)]=ParallelCollectionRDD[34]atmakeRDDat:21

scala>

rdd1.count

res15:Long=3count算

人人文库> 全部分类> 教育资料 > 辅导培训

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论