RDD算子——转换操作（Transformations ）【map、flatMap、reduceByKey】

一、map

map 算子
Scala 复制代码
```
# spark-shell
sc.parallelize(Seq(1, 2, 3))
	.map( num => num * 10)
	.collect()

# IDEA
@Test
def mapTest(): Unit = {
  // 1. 创建RDD
  val rdd1 = sc.parallelize(Seq(1, 2, 3))
  // 2. 执行 map 操作
  val rdd2 = rdd1.map(item => item * 10)
  // 3. 得到结果
  val result:Array[Int] = rdd2.collect()
  result.foreach(item => println(item))
	// 关闭sc
	sc.stop()
}
```
- 作用
  - 把 RDD 中的数据一对一的转换为另一种形式
- 调用
  - def map[U: ClassTag] (f: T ⇒ U) : RDD[U]
- 参数
  - f → map 算子是原 RDD → 新 RDD 的过程，这个函数的参数是原 RDD 的数据，返回值是经过函数转换的新 RDD 的数据
- 注意点
  - map 是一对一, 如果函数是 String → Array[String]则新的 RDD 中每条数据就是一个数组

flatMap算子
Scala 复制代码
```
# spark-shell
sc.parallelize(Seq("Hello lily", "Hello lucy", "Hello tim"))
	.flatMap( line => line.split(" "))
	.collect()

# IDEA
@Test
def flatMapTest(): Unit = {
  // 1. 创建RDD
  val rdd1 = sc.parallelize(Seq("Hello lily", "Hello lucy", "Hello tim"))
  // 2. 执行 flatMap 操作
  val rdd2 = rdd1.flatMap( line => line.split(" "))
  // 3. 得到结果
  val result:Array[String] = rdd2.collect()
  result.foreach(line => (println(line)))
	// 关闭sc
	sc.stop()
}
```
- 作用
  - flatMap 算子和 map 算子类似, 但是 FlatMap 是一对多
- 调用
  - def flatMap[U: ClassTag](f: T ⇒ List[U]): RDD[U]
- 参数
  - f → 参数是原 RDD 数据, 返回值是经过函数转换的新 RDD 的数据, 需要注意的是返回值是一个集合, 集合中的数据会被展平后再放入新的 RDD
- 注意点
  - flatMap 其实是两个操作, 是 map + flatten, 也就是先转换, 后把转换而来的 List 展开
  - flatMap 也是转换，他可以把数组和集合展开，并且flatMap中的函数一般也是集合或者数组

ReduceByKey算子
Scala 复制代码
```
# spark-shell
sc.parallelize(Seq(("a",1), ("a", 1), ("b", 1)))
	.reduceByKey( ( cur, agg) => cur + agg)
	.collect()

# IDEA
@Test
def reduceByKeyTest(): Unit = {
  // 1. 创建RDD
  val rdd1 = sc.parallelize(Seq("Hello lily", "Hello lucy", "Hello tim"))
  // 2. 处理数据
  val rdd2 = rdd1.flatMap( item => item.split(" "))
    .map(item => (item, 1))
    .reduceByKey( (cur, agg) => cur + agg)
  // 3. 得到结果
  val result:Array[(String, Int)] = rdd2.collect()
  result.foreach(item => (println(item)))
  // 4. 关闭sc
  sc.stop()
}
```
- 作用
  - 首先按照 Key 分组, 接下来把整组的 Value 计算出一个聚合值, 这个操作非常类似于 MapReduce 中的 Reduce
- 调用
  - def reduceByKey(func: (V, V) ⇒ V): RDD[(K, V)]
- 参数
  - func → 执行数据处理的函数, 传入两个参数, 一个是当前值, 一个是局部汇总, 这个函数需要有一个输出, 输出就是这个 Key 的汇总结果
- 注意点
  - ReduceByKey 只能作用于 Key-Value 型数据, Key-Value 型数据在当前语境中特指 Tuple
  - ReduceByKey 是一个需要 Shuffled 的操作
  - 和其它的 Shuffled 相比, ReduceByKey是高效的, 因为类似 MapReduce 的, 在 Map 端有一个 Cominer, 这样 I/O 的数据便会减少
  - reduceByKey第一步是按照Key进行分组，然后对每一组进行聚合得到结果