spark | 读数据

为何要单独一个博文来记录读取数据呢？我觉得读数据很重要，涉及到不同格式的数据，各式各样的情况，故而记之。

注意：以python语言为工具

• 读csv格式的
  本数据有３列

# -*- coding:utf-8 -*- from pyspark import SparkContextsc = SparkContext("local[2]", "First Spark App")# we take the raw data in CSV format and convert it into a set of records of the form (user, product, price)data = sc.textFile("data/UserPurchaseHistory.csv").map(lambda line: line.split(",")).map(lambda record: (record[0], record[1], record[2]))

上面代码中核心代码是：

sc.textFile("data/UserPurchaseHistory.csv").map(lambda line: line.split(",")).map(lambda record: (record[0], record[1], record[2]))

第一个map是用于分割，第二个map用于读取列
采用lambda函数

继续更新中。。。