寒假生活
进行了spark的基础学习。
rdd:
map计算
rdd = sc.parallelize([1,2,3,4,5])
def func(date):
return date*10
rdds=rdd.map(func)
#flatMap解除嵌套
rdd = sc.parallelize(["dwad wad wdas","dwadw dfgawdfw dwad","dwadwad"])
rdds=rdd.flatMap(lambda x : x.split(" "))
#reduceByKey分组两两计算
rdd=sc.parallelize([('男',99),('女',99),('女',99),('男',99),('男',99),('男',99)])
rdds = rdd.reduceByKey(lambda a, b: a+b)
print(rdds.collect())





浙公网安备 33010602011771号