4.RDD操作

一、 RDD创建

1. 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

 

 

1. map(func)
   lambda函数

字符串分词

 显式定义函数

 

 

 

数字加100

lambda函数

显式函数

 

 

 

 

字符串加固定前缀

lambda函数

显式函数

 

 

 

 

1. flatMap(func)
   1. 分词

　　　　　　

　　　　　　2.单词映射成键值对

　　　　　　

1. reduceByKey()
   1. 统计词频，累加

 

 　　　　　　2.乘法规则

 

 

1.  groupByKey()
   1. 单词分组

 

 

　　　　　　2.查看分组的内容

 

 

　　　　　　3.分组之后做累加 map

 

1. sortByKey()
   1. 词频统计按单词排序

　　　　　　

 

 

 

 

 

1. sortBy()
   1. 词频统计按单词排序

　　　　　　

　　　　　　.sortBy(lambda a:a[0]).collect()

　　　　　　.sortByKey().collect()

　　　　　　上面两条语句是一样的效果

　　　　　　

　　　　　　.sortBy(lambda a:a[0],False).collect()

　　　　　　.sortByKey(False).collect()

　　　　　　上面两条语句是一样的效果

 　　　　　　

 

 

 

 

　　　　　　sortBy（）函数里面按照lambda（）函数中的指定字符进行排序，sortBy（）第二个参数默认为True，即以该字符为首进行降序排序，为False即为以该字符升序排序

　　　　　　

　　　　　　

　　　　　　

1. RDD写入文本文件
   1. 写入本地文件系统，并查看结果

　　　　　　

 

 

1. 1. 写入分布式文件系统，并查看结果

 　　　　　　

 

 

　　　　　　先进行操作一个数据，然后对其进行sortBy（函数，是否降序，设置数据块大小（默认10））

　　　　　　然后通过getNumPartitions（）获得块数大小