4.RDD操作

一、 RDD创建

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

　　启动hdfs

　　

　　上传文件

　　

　　查看文件

　　

　　加载　

　　

　　停止hdfs

　　

3.通过并行集合（列表）创建RDD
　　输入列表、字符串、numpy生成数组

　　

 

二、 RDD操作

　　转换操作

　　1.filter(func)

　　lambda函数

　　

　　 显式定义函数

　　

 

　　2.map(func)

　　a.字符串分词

　　  lambda函数

　　

　　  显式定义函数

　　

　　b.数字加100

　　  lambda函数

　　

　　  显式定义函数

　　

　　c.字符串前加固定后缀

　　  lambda函数

　　

　　  显式定义函数

 　　

 

 

 　　3.flatMap(func)

　　a.分词

　　

 

 

 　　b.单词映射成键值对

　　

　　4.reduceByKey()

　　a.统计词频，累加 

　　

　　b.乘法规则

　　

 

 

 　　5.groupByKey()

　　a.单词分组

　　

　　b.查看分组的内容

　　

　　c.分组之后做累加 map

　　

 

　　行动操作

　　1.foreach(print)

　　

　　foreach(lambda a:print(a.upper())

　　

　　2.collect()

　　

　　3.count()

　　

　　4.take(n)

　　

　　5.reduce()

　　数值型的rdd元素做累加

　　

　　与reduceByKey区别

　　reduce是用于一元组，遍历一元组的数据，进行处理。

　　reduceByKey是用于二元组，对相同key的value值进行聚合，得到一个新的RDD