Spark：Java实现Action操作

完整代码如下：

package cn.spark.study.core;import java.util.Arrays;import java.util.List;import java.util.Map;import org.apache.spark.SparkConf;import org.apache.spark.api.java.JavaPairRDD;import org.apache.spark.api.java.JavaRDD;import org.apache.spark.api.java.JavaSparkContext;import org.apache.spark.api.java.function.Function;import org.apache.spark.api.java.function.Function2;import org.apache.spark.api.java.function.VoidFunction;import scala.Tuple2;/** * action 操作实战 * @author Administrator * */@SuppressWarnings(value = {"unused","unchecked"})public class ActionOperation_7 {public static void main(String[] args) {    reduce();     collect();    count();    take();    //saveAsTextFile();    countByKey();    //foreach()}private static void reduce(){    //创建sparkconf    SparkConf conf = new SparkConf().setAppName("reduce").setMaster("local");    //创建JavaSparkContext    JavaSparkContext sc = new JavaSparkContext(conf);    //有一个集合，里面有1到10 ，现在对1-10累加    List<Integer> numberList = Arrays.asList(1,2,3,4,5,6,7,8,9,10);    //并行化一个集合    JavaRDD <Integer> numbers = sc.parallelize(numberList);    //使用reduce操作对集合中的数进行累加    //reduce操作原理：        //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        //接着将该结果与下一个元素传入call()方法，进行计算。依次类推    //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;        }    });    System.out.println(sum);    //关闭SparkContext    sc.close();}private static void collect(){    //创建sparkconf    SparkConf conf = new SparkConf().setAppName("collect").setMaster("local");    //创建JavaSparkContext    JavaSparkContext sc = new JavaSparkContext(conf);    //有一个集合，里面有1到10 ，现在对1-10累加    List<Integer> numberList = Arrays.asList(1,2,3,4,5,6,7,8,9,10);    //并行化一个集合    JavaRDD <Integer> numbers = sc.parallelize(numberList);    //使用map操作将集合中的所有数字乘以2    JavaRDD<Integer> doubleNumber = numbers.map(new Function<Integer, Integer>() {        private static final long serialVersionUID = 1L;        @Override        public Integer call(Integer v) throws Exception {            return v*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doubleNumber RDD的数据拉渠道本地    //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1w条    //那么性能会比较差，因为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om异常，内存溢出    //因此通过还是推荐使用foreach action操作，来对最终的rdd元素进行处理    List<Integer> doubleNumberList = doubleNumber.collect();    for(Integer num :doubleNumberList){        System.out.println(num);    }    sc.close();}private static void count(){    //创建sparkconf    SparkConf conf = new SparkConf().setAppName("count").setMaster("local");    //创建JavaSparkContext    JavaSparkContext sc = new JavaSparkContext(conf);    //有一个集合，里面有1到10 ，现在对1-10累加    List<Integer> numberList = Arrays.asList(1,2,3,4,5,6,7,8,9,10);    //并行化一个集合    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:"+count);    sc.close();}private static void take(){    //创建sparkconf    SparkConf conf = new SparkConf().setAppName("take").setMaster("local");    //创建JavaSparkContext    JavaSparkContext sc = new JavaSparkContext(conf);    //有一个集合，里面有1到10 ，现在对1-10累加    List<Integer> numberList = Arrays.asList(1,2,3,4,5,6,7,8,9,10);    //并行化一个集合    JavaRDD <Integer> numbers = sc.parallelize(numberList);    //对rdd使用take操作，    //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> top3Number = numbers.take(3);    for(Integer num :top3Number){        System.out.println(num);    }    sc.close();}private static void saveAsTextFile(){    //创建sparkconf    SparkConf conf = new SparkConf().setAppName("saveAsTextFile").setMaster("local");    //创建JavaSparkContext    JavaSparkContext sc = new JavaSparkContext(conf);    //有一个集合，里面有1到10 ，现在对1-10累加    List<Integer> numberList = Arrays.asList(1,2,3,4,5,6,7,8,9,10);    //并行化一个集合    JavaRDD <Integer> numbers = sc.parallelize(numberList);    //使用map操作将集合中的所有数字乘以2    JavaRDD<Integer> doubleNumber = numbers.map(new Function<Integer, Integer>() {        private static final long serialVersionUID = 1L;        @Override        public Integer call(Integer v) throws Exception {            return v*2;        }    });    //直接讲rdd中的数据保存在文件中。     //但是要注意，我们这里只能指定文件夹，也就是目录    //但是实际上，会保存为目录中的/double_number/part-00000文件中    doubleNumber.saveAsTextFile("E://BigData//sparkdata//doule_number");    sc.close();}private static void countByKey(){    //创建sparkConf    SparkConf conf = new SparkConf().setAppName("countByKey").setMaster("local");    //创建sparkcontext    JavaSparkContext sc = new JavaSparkContext(conf);    //模拟集合    List<Tuple2<String, String>> scoreList = Arrays.asList(            new Tuple2<String, String>("class1", "leo"),            new Tuple2<String, String>("class2", "tom"),            new Tuple2<String, String>("class1", "jack"),            new Tuple2<String, String>("class2", "marry"),            new Tuple2<String, String>("class2", "david"));    //并行化集合,创建JavaPariRDD    JavaPairRDD<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());    }    //关闭SparkContext    sc.close();}}