4.RDD操作

一、 RDD创建

准备环境：开启HDFS、Pyspark。

 

 

 

 

 

1.从本地文件系统中加载数据创建RDD

 

 

 

 

2.从HDFS加载数据创建RDD

本地上传文件至HDFS

 

 查看文件

 

 RDD加载

 

 

 

 

 

3.通过并行集合（列表）创建RDD

数组

 

 

 

 字符串

 

 

 

二、 RDD操作

A.转换操作

1.filter(func)
传入lambda匿名函数
显式定义函数

 2.map(func)
显式定义函数
lambda函数

　　　　　　a.字符串分词

　　　　　　

 

 

 

 　　　　　　

 

 

 　　　　　　

 

 

 

 

　　　　　　b.数字加100

　　　　　　

 

 

 

　　　　　　c.客串加固定前缀

　　　　　　

 

 

3.flatMap(func)

　　　　　　a.分词

　　　　　　

 

 

 

 

 

　　　　　　b.单词映射成键值对

　　　　　　

 

 

 

 

 

 

4.groupByKey()

　　　　　　a.单词分组

　　　　　　

 

 

　　　　　　b.查看分组内容

　　　　　　

　　　　　　c.分组之后做累加 map

　　　　　　

 

 

5.reduceByKey()

　　　　　　a.统计词频，累加

　　　　　　统计词频：

　　　　　　

　　　　　　累加：

 　　　　　　

　　　　　　b.乘法规则　　

　　　　　　

 

 

 

6.sortByKey()

　　　　　　a.词频统计按单词排序

　　　　　　

 

 

 

7.sortBy()

　　　　　　a.词频统计按词频排序

　　　　　　

 

 

 

B.行动操作

1.foreach(print)

   foreach(lambda a:print(a.upper())

2.collect()

3.take(n)

4.count()

5.reduce() 
   数值型的rdd元素做累加
   与reduceByKey区别