
文章目录
Spark算子介绍
在 Apache Spark 中,算子(Operator) 是对分布式数据集(RDD)进行操作的函数或方法。根据功能和特性,Spark 的算子主要分为三大类:转换算子(Transformation)、行动算子(Action) 和 持久化算子(Persistence)。Transformation算子用于从一个 RDD 转换生成另一个 RDD,具有惰性特性;Action算子用于触发实际计算,将结果返回给Driver或写入外部存储;持久化算子用于将 RDD 的数据缓存或持久化,以提高重复计算的效率。
编写Spark代码流程如下:
-
创建SparkConf对象,Spark Application中必须通过该对象设置Application Name、运行模式,还可以设置Spark applicatiion的资源需求。
-
创建SparkContext对象,将SparkConf作为参数传入SparkContext对象。
-
基于SparkContext创建一个RDD,使用Transformation算子对RDD进行转换处理。
-
Spark Application中要有Action类算子来触发Transformation类算子执行。
-
最终,SparkContext.close()/SparkContext.stop()关闭SparkContext对象。
一、Transformation-转换算子
Transformation算子对现有的RDD进行操作,生成新的 RDD,这些操作是惰性的(延迟执行),只有在遇到Action算子时才会被执行。下面对常用的Transformation类算子进行介绍。
1.map
将一个RDD中的每个数据项,通过map中的函数映射变为一个新的元素,特点:输入一条,输出一条。这里不再给出示例。
2.flatMap
先map后flat。与map类似,每个输入项可以映射为0到多个输出项。这里不再给出示例。
3.reduceByKey
只能作用在K,V格式的RDD上,使用指定的函数对相同Key的Value进行聚合,返回K,V格式的RDD。
4.groupBy
groupBy算子可以对RDD中数据按照指定的规则进行分组。
如下示例将RDD数据按照奇数和偶数进行分组。GroupBy返回Tuple<K,Iterable>,K表示分组的key,V表示该组中的数据。
Java代码:
java
SparkConf conf = new SparkConf().setMaster("local").setAppName("CustomPartitionerTest");
JavaSparkContext sc = new JavaSparkContext(conf);
JavaRDD<Integer> rdd = sc.parallelize(Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10));
JavaPairRDD<Integer, Iterable<Integer>> result = rdd.groupBy(new Function<Integer, Integer>() {
@Override
public Integer call(Integer one) throws Exception {
return one % 2;
}
});
result.foreach(new VoidFunction<Tuple2<Integer, Iterable<Integer>>>() {
@Override
public void call(Tuple2<Integer, Iterable<Integer>> integerIterableTuple2) throws Exception {
System.out.println(integerIterableTuple2);
}
});
sc.stop()
Scala代码:
Scala
val conf = new SparkConf().setMaster("local").setAppName("filter")
val sc = new SparkContext(conf)
val rdd: RDD[Int] = sc.parallelize(List(1, 2, 3, 4, 5, 6, 7, 8, 9, 10))
val result: RDD[(Int, Iterable[Int])] = rdd.groupBy(one => one % 2)
result.foreach(println)
sc.stop()
- 📢博客主页:https://lansonli.blog.csdn.net
- 📢欢迎点赞 👍 收藏 ⭐留言 📝 如有错误敬请指正!
- 📢本文由 Lansonli 原创,首发于 CSDN博客🙉
- 📢停下休息的时候不要忘了别人还在奔跑,希望大家抓紧时间学习,全力奔赴更美好的生活✨