常用action介绍
来源:互联网 发布:java面试题下载 编辑:程序博客网 时间:2024/06/16 23:03
reduce
reduce:将RDD中的所有元素进行聚合操作。第一个和第二个元素聚合,值与第三个元素聚合,值与第四个元素聚合,以此类推。
案例:10个数字进行累加
java:
// 有一个集合,里面有1到10,10个数字,现在要对10个数字进行累加 List numberList = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10); JavaRDD numbers = sc.parallelize(numberList); // 使用reduce操作对集合中的数字进行累加 // reduce操作的原理: // 首先将第一个和第二个元素,传入call()方法,进行计算,会获取一个结果,比如1 + 2 = 3 // 接着将该结果与下一个元素传入call()方法,进行计算,比如3 + 3 = 6 // 以此类推 // 所以reduce操作的本质,就是聚合,将多个元素聚合成一个元素 int sum = numbers.reduce(new Function2<Integer, Integer, Integer>() { private static final long serialVersionUID = 1L; @Override public Integer call(Integer v1, Integer v2) throws Exception { return v1 + v2; } });
scala
val numberArray = Array(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)val numbers = sc.parallelize(numberArray, 1) val sum = numbers.reduce(_ + _)
collect
collect:将RDD中所有元素获取到本地客户端。
案例:数字的两倍
java
// 有一个集合,里面有1到10,10个数字,现在要对10个数字进行累加List<Integer> numberList = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);JavaRDD<Integer> numbers = sc.parallelize(numberList);// 使用map操作将集合中所有数字乘以2JavaRDD<Integer> doubleNumbers = numbers.map(new Function<Integer, Integer>() {private static final long serialVersionUID = 1L;@Overridepublic Integer call(Integer v1) throws Exception {return v1 * 2;}});// 不用foreach action操作,在远程集群上遍历rdd中的元素// 而使用collect操作,将分布在远程集群上的doubleNumbers RDD的数据拉取到本地// 这种方式,一般不建议使用,因为如果rdd中的数据量比较大的话,比如超过1万条// 那么性能会比较差,因为要从远程走大量的网络传输,将数据获取到本地// 此外,除了性能差,还可能在rdd中数据量特别大的情况下,发生oom异常,内存溢出// 因此,通常,还是推荐使用foreach action操作,来对最终的rdd元素进行处理List<Integer> doubleNumberList = doubleNumbers.collect();for(Integer num : doubleNumberList) {System.out.println(num); }
scala
val numberArray = Array(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)val numbers = sc.parallelize(numberArray, 1) val doubleNumbers = numbers.map { num => num * 2 } val doubleNumberArray = doubleNumbers.collect()for(num <- doubleNumberArray) { println(num) }
count
count:获取RDD元素总数。
案例:一串数字的个数。
java:
// 有一个集合,里面有1到10,10个数字,现在要对10个数字进行累加List<Integer> numberList = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);JavaRDD<Integer> numbers = sc.parallelize(numberList);// 对rdd使用count操作,统计它有多少个元素long count = numbers.count();System.out.println(count);
scala
val numberArray = Array(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)val numbers = sc.parallelize(numberArray, 1) val count = numbers.count()
saveAsTextFile
saveAsTextFile:将RDD元素保存到文件中,对每个元素调用toString方法。
案例:把数据保存到HDFS中
// 有一个集合,里面有1到10,10个数字,现在要对10个数字进行累加List<Integer> numberList = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);JavaRDD<Integer> numbers = sc.parallelize(numberList);// 使用map操作将集合中所有数字乘以2JavaRDD<Integer> doubleNumbers = numbers.map(new Function<Integer, Integer>() {private static final long serialVersionUID = 1L;@Overridepublic Integer call(Integer v1) throws Exception {return v1 * 2;}});// 直接将rdd中的数据,保存在HFDS文件中// 但是要注意,我们这里只能指定文件夹,也就是目录// 那么实际上,会保存为目录中的/double_number.txt/part-00000文件doubleNumbers.saveAsTextFile("hdfs://spark1:9000/double_number.txt");
scala :
def testSaveAsTextFile() = { System.setProperty("hadoop.home.dir", "E:\\data\\winutils") val numberArray = Array(1,2,3,4,5,6,7,8,9,10); val numbers = sc.parallelize(numberArray); val doubleNumbers = numbers.map(num => num *2) doubleNumbers.repartition(2).saveAsTextFile("E:\\data\\test") }注意:http://download.csdn.net/detail/qq_16899785/9292533 保存到本地会报错,添加这个system.setProperty信息。下载wintuils地址
take
take:获取RDD中前n个元素。
案例:获取一个RDD的前三个元素
java:
// 有一个集合,里面有1到10,10个数字,现在要对10个数字进行累加List<Integer> numberList = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);JavaRDD<Integer> numbers = sc.parallelize(numberList);// 对rdd使用count操作,统计它有多少个元素// take操作,与collect类似,也是从远程集群上,获取rdd的数据// 但是collect是获取rdd的所有数据,take只是获取前n个数据List<Integer> top3Numbers = numbers.take(3);for(Integer num : top3Numbers) {System.out.println(num); }
scala
val numberArray = Array(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)val numbers = sc.parallelize(numberArray, 1) val top3Numbers = numbers.take(3)for(num <- top3Numbers) { println(num) }
countByKey
countByKey:对每个key对应的值进行count计数。
案例:统计每个班级的学生人数
// 模拟集合List<Tuple2<String, String>> scoreList = Arrays.asList(new Tuple2<String, String>("class1", "leo"),new Tuple2<String, String>("class2", "jack"),new Tuple2<String, String>("class1", "marry"),new Tuple2<String, String>("class2", "tom"),new Tuple2<String, String>("class2", "david")); // 并行化集合,创建JavaPairRDDJavaPairRDD<String, String> students = sc.parallelizePairs(scoreList);// 对rdd应用countByKey操作,统计每个班级的学生人数,也就是统计每个key对应的元素个数// 这就是countByKey的作用// countByKey返回的类型,直接就是Map<String, Object>Map<String, Object> studentCounts = students.countByKey();for(Map.Entry<String, Object> studentCount : studentCounts.entrySet()) {System.out.println(studentCount.getKey() + ": " + studentCount.getValue()); }
scala
val studentList = Array(Tuple2("class1", "leo"), Tuple2("class2", "jack"), Tuple2("class1", "tom"), Tuple2("class2", "jen"), Tuple2("class2", "marry")) val students = sc.parallelize(studentList, 1) val studentCounts = students.countByKey()
foreach
foreach:遍历RDD中的每个元素。(最常用的action)
阅读全文
0 0
- 常用action介绍
- 常用做action recognition 的数据集介绍
- Action介绍
- action介绍
- 阿录帮帮忙—第五章—action中常用属性介绍
- webWork2.2 action介绍!
- webWork2.2 action介绍!
- struts action介绍
- Action Script 介绍
- action segue介绍
- Action recognition进展介绍
- Struts常用的Action
- android 常用action
- android 常用action
- Cocos2D常用动作(Action)
- Android中常用Action
- Cocos2d-x 常用Action
- 常用python_ML in Action
- oracle笔记
- 为 AI 转型,你的决定的对吗?
- PHP无限极分类技术(一)——递归无限分类原理
- 开源bot工具Rasa学习---1
- SSnoCD (之二)
- 常用action介绍
- JavaWeb学习总结(二十八)——JSTL标签库之核心标签
- LeetCode(2)--Add Two Numbers
- python 类的函数,类方法,静态方法,类变量,实例变量浅析
- 矩形覆盖
- 数据库弱关联关系的理解
- 【Unity学习笔记】动态更改多个材质球(materials数组)
- 基于selenium3+python3.6.x+chrome57.x的自动化测试环境搭建
- 【npm】伙计,给我来一杯package.json!不加糖