spark中RDD的transformation&action
来源:互联网 发布:肛门高潮 知乎 编辑:程序博客网 时间:2024/04/28 17:59
简介:
1,transformation是得到一个新的RDD,方式很多,比如从数据源生成一个新的RDD,从RDD生成一个新的RDD
2,action是得到一个值,或者一个结果(直接将RDDcache到内存中)
所有的transformation都是采用的懒策略,就是如果只是将transformation提交是不会执行计算的,计算只有在action被提交的时候才被触发。
transformation操作:
map(func):对调用map的RDD数据集中的每个element都使用func,然后返回一个新的RDD,这个返回的数据集是分布式的数据集
filter(func): 对调用filter的RDD数据集中的每个元素都使用func,然后返回一个包含使func为true的元素构成的RDD
flatMap(func):和map差不多,但是flatMap生成的是多个结果
mapPartitions(func):和map很像,但是map是每个element,而mapPartitions是每个partition
mapPartitionsWithSplit(func):和mapPartitions很像,但是func作用的是其中一个split上,所以func中应该有index
sample(withReplacement,faction,seed):抽样
union(otherDataset):返回一个新的dataset,包含源dataset和给定dataset的元素的集合
distinct([numTasks]):返回一个新的dataset,这个dataset含有的是源dataset中的distinct的element
groupByKey(numTasks):返回(K,Seq[V]),也就是hadoop中reduce函数接受的key-valuelist
reduceByKey(func,[numTasks]):就是用一个给定的reducefunc再作用在groupByKey产生的(K,Seq[V]),比如求和,求平均数
sortByKey([ascending],[numTasks]):按照key来进行排序,是升序还是降序,ascending是boolean类型
join(otherDataset,[numTasks]):当有两个KV的dataset(K,V)和(K,W),返回的是(K,(V,W))的dataset,numTasks为并发的任务数
cogroup(otherDataset,[numTasks]):当有两个KV的dataset(K,V)和(K,W),返回的是(K,Seq[V],Seq[W])的dataset,numTasks为并发的任务数
cartesian(otherDataset):笛卡尔积就是m*n,大家懂的
action操作:
reduce(func):说白了就是聚集,但是传入的函数是两个参数输入返回一个值,这个函数必须是满足交换律和结合律的
collect():一般在filter或者足够小的结果的时候,再用collect封装返回一个数组
count():返回的是dataset中的element的个数
first():返回的是dataset中的第一个元素
take(n):返回前n个elements,这个士driverprogram返回的
takeSample(withReplacement,num,seed):抽样返回一个dataset中的num个元素,随机种子seed
saveAsTextFile(path):把dataset写到一个textfile中,或者hdfs,或者hdfs支持的文件系统中,spark把每条记录都转换为一行记录,然后写到file中
saveAsSequenceFile(path):只能用在key-value对上,然后生成SequenceFile写到本地或者hadoop文件系统
countByKey():返回的是key对应的个数的一个map,作用于一个RDD
foreach(func):对dataset中的每个元素都使用func
http://blog.csdn.net/map_lixiupeng/article/details/41958561
- spark中RDD的transformation&action
- spark中RDD的transformation&action
- Spark 中Transformation 、Action操作 以及RDD的持久化
- spark的RDD中的action(执行)和transformation(转换)两种操作中常见函数介绍
- spark RDD transformation和action操作
- spark RDD transformation与action函数整理
- Spark RDD中Transformation的map、flatMap、mapPartitions、glom详解
- Spark RDD中Transformation的filter、distinct、cartesian、union详解
- Spark RDD中Transformation的mapValues、subtract、sample、takeSample详解
- Spark RDD中Transformation的groupBy、partitionBy、cogroup详解
- Spark RDD中Transformation的combineByKey、reduceByKey,join详解
- Spark RDD 的Transformation与Action的常用功能总结(Python版本)
- Spark的action和transformation
- spark的transformation与action
- Spark之RDD的Transformation操作
- spark rdd详解二(transformation与action操作)
- spark源码之RDD(2)transformation和action
- Spark RDD transformation操作
- spark 常用脚本
- Apache Spark探秘:Spark Shuffle实现
- POJ 2456 Aggressive cows(二分查找 最大化最小值)
- jquery validate自定义扩展实例,以及一些常用验证
- 批处理
- spark中RDD的transformation&action
- Light OJ 1354 IP Checking
- Spark三种属性配置方式详细说明
- Android自定义Dialog带Dialog的显示消失动画(一)
- spark shell的学习
- 委托开发合同与合作开发合同的区别
- Spark Shell各种操作及详细说明
- spark rdd 转换过程
- 机器学习实战--kMeans