Spark RDD编程

1.

准备文本文件
从文件创建RDD lines=sc.textFile()
筛选出含某个单词的行 lines.filter()
lambda 参数：条件表达式

lines=sc.textFile("file:///home/hadoop/word.txt")

linesWithSpark=lines.filter(lambda line:"Spark" in line)

linesWithSpark.foreach(print)

 

 

2.

生成单词的列表
从列表创建RDD words=sc.parallelize()
筛选出长度大于2 的单词 words.filter()

 wordsList='Spark is better'.split()

wordsRDD=sc.parallelize(wordsList)

wordsRDD.filter(lambda word:len(word)>2).collect()

 

 

3.

 筛选出的单词RDD，映射为（单词，1）键值对。 words.map()

wordsRDD.map(lambda word:(word,1)).collect()