4.RDD操作

------------恢复内容开始------------

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、查看文件

 

 

 

 

 2.3加载

 

 

 

2.4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

1.filter(func)  显式定义函数  lambda函数

2.map(func)
显式定义函数
lambda函数：字符串分词， 数字加100  ，客串加固定前缀

3.flatMap(func)

分词，单词映射成键值对

4.reduceByKey()

统计词频，累加，乘法规则

5.groupByKey()

单词分组，查看分组的内容，分组之后做累加 map

6.sortByKey()

词频统计按单词排序

 

行动操作

1.foreach(print)

 

 

 

foreach(lambda a:print(a.upper()) 

 

 

 

 

 

 

2.collect(） 

 

 

 

 

3.count() ----返回数据集中的元素个数

 

 

4.first() ----返回数据集中的第一个元素

 

5.take(n) ----以数组的形式返回数据集中的前n个元素

 

 

6.reduce() ----通过函数func(输入两个参数并返回一个值)聚合数据集中的元素

• 数值型的rdd元素做累加