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
2.1启动hdfs
2.2上传文件
2.3查看文件
2.4加载
2.5停止hdfs
3.通过并行集合(列表)创建RDD
3.1输入列表
3.2字符串
3.3numpy生成数组
二、 RDD操作
1.转换操作
1.1filter(func)
显式定义函数
lambda函数
1.2map(func)
显式定义函数
lambda函数
1 字符串分词
2.数字加100
3字符串加固定前缀
1.3flatmap(func)
分词
单词映射成键值对
1.4reduceByKey()
统计词频,
累加乘法规则
1.5 groupByKey()
单词分组
查看分组的内容
分组之后做累加 map
1.6sortByKey()
词频统计按单词排序
1.7sortBy()
词频统计按词频排序
查看分区数 getNumPartitions()
生成不同分区数的rdd
1.8RDD写入文本文件
写入本地文件系统,并查看结果
写入分布式文件系统,并查看结果
注意分区数与文件数的关系
2.行动操作
2.1foreach(print)
foreach(lambda a:print(a.upper())
2.2collect()
2.3count()
2.4take(n)
2.5reduce()
数值型的rdd元素做累加
与reduceByKey区别