原创力文档- 1、本文档共136页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第6章SparkRDD编程;?RDD概述;RDD概述;;4）一个Partitioner，即RDD的分片函数。当前Spark中实现了两种类型的分片函数，一个是基于哈希的HashPartitioner，另外一个是基于范围的RangePartitioner。只有对于于key-value的RDD，才会有Partitioner，非key-value的RDD的Parititioner的值是None。Partitioner函数不但决定了RDD本身的分片数量，也决定了ParentRDDShuffle输出时的分片数量;RDD概述;;;;;;;;?RDD编程;RDD编程;RDD编程;2.由外部存储系统的数据集创建;;;;;;;;;;（3）放回抽样
scalavarsample1=rdd.sample（true,0.4,2）
sample1：org.apache.spark.rdd.RDD[Int]=PartitionwiseSampledRDD[21]atsampleatconsole：26
（4）打印放回抽样结果
scalasample1.collect（）
res16：Array[Int]=Array（1,2,2,7,7,8,9）
（5）不放回抽样
scalavarsample2=rdd.sample（false,0.2,3）
sample2：org.apache.spark.rdd.RDD[Int]=PartitionwiseSampledRDD[22]atsampleatconsole：26
（6）打印不放回抽样结果
scalasample2.collect（）
res17：Array[Int]=Array（1,9）;;（3）打印去重后生成的新RDD
scalaunionRDD.collect（）
res20：Array[Int]=Array（1,9,5,6,2）
（4）对RDD（指定并行度为2）
scalavalunionRDD=distinctRdd.distinct（2）
unionRDD：org.apache.spark.rdd.RDD[Int]=MapPartitionsRDD[40]atdistinctatconsole：26
（5）打印去重后生成的新RDD
scalaunionRDD.collect（）
res21：Array[Int]=Array（6,2,1,9,5）;;;;;;（3）将脚本作用该RDD并打印
scalardd.pipe（/opt/module/spark/pipe.sh）.collect（）
res18：Array[String]=Array（AA,hi,Hello,how,are,you）
（4）创建一个有两个分区的RDD
scalavalrdd=sc.parallelize（List（hi,Hello,how,are,you）,2）
rdd：org.apache.spark.rdd.RDD[String]=ParallelCollectionRDD[52]atparallelizeatconsole：24
（5）将脚本作用该RDD并打印
scalardd.pipe（/opt/module/spark/pipe.sh）.collect（）
res19：Array[String]=Array（AA,hi,Hello,AA,how,are,you）;;;;;;;（3）第一个RDD组合第二个RDD并打印
scalardd1.zip（rdd2）.collect
res1：Array[（Int,String）]=Array（（1,a）,（2,b）,（3,c））
（4）第二个RDD组合第一个RDD并打印
scalardd2.zip（rdd1）.collect
res2：Array[（String,Int）]=Array（（a,1）,（b,2）,（c,3））
（5）创建第三个RDD（与1,2分区数不同）
scalavalrdd3=sc.parallelize（Array（a,b,c）,2）
rdd3：org.apache.spark.rdd.RDD[String]=ParallelCollectionRDD[5]atparallelizeatconsole：24
（6）第一个RDD组合第三个RDD并打印
scalardd1.zip（rdd3）.collect
java.la
文档评论（0）