sparkRDD 算子的创建和使用

简介:

spark是大数据领域近几年比较火的编程开发语言。有众多的好处,比如速度快,基于内存式计算框架。

不多说直接讲 spark的RDD 算子的使用。

如果有spark环境搭建等问题,请自行查找资料。本文不做讲述。

spark rdd的创建有两种方式:

1>从集合创建。也就是从父rdd继承过来

2>从外部创建。



1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
import  java.util.Arrays;
import  java.util.Iterator;
import  java.util.List;
 
import  org.apache.spark.SparkConf;
import  org.apache.spark.api.java.JavaPairRDD;
import  org.apache.spark.api.java.JavaRDD;
import  org.apache.spark.api.java.JavaSparkContext;
import  org.apache.spark.api.java.function.FlatMapFunction;
import  org.apache.spark.api.java.function.Function;
import  org.apache.spark.api.java.function.Function2;
import  org.apache.spark.api.java.function.PairFunction;
import  org.apache.spark.api.java.function.VoidFunction;
 
import  com.google.common.base.Optional;
 
import  scala.Tuple2;
 
public  class  Demo01 {
 
     public  static  void  main(String[] args) {
         
         SparkConf conf =  new  SparkConf().setAppName( "Demo01" ).setMaster( "local" );
         JavaSparkContext jsc =  new  JavaSparkContext(conf);
         
         //map(jsc);
         //filter(jsc);
         // flatMap(jsc);
         //groupByKey(jsc);
         //reduceByKey(jsc);
         //sortByKey(jsc);
         //join(jsc);
         leftOutJoin(jsc);
         jsc.stop();
     }
 
     //每一条元素 都乘以2,并且打印
     private  static  void  map(JavaSparkContext jsc) {
         
         //数据源
         List<Integer> lst = Arrays.asList( 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 );
         
         JavaRDD<Integer> numRDD = jsc.parallelize(lst);
         
         JavaRDD<Integer> resultRDD = numRDD.map( new  Function<Integer, Integer>() {
             private  static  final  long  serialVersionUID = 1L;
 
             @Override
             public  Integer call(Integer num)  throws  Exception {
                 
                 return  num *  2 ;
             }
         });
         
         resultRDD.foreach( new  VoidFunction<Integer>() {
             
             private  static  final  long  serialVersionUID = 1L;
 
             @Override
             public  void  call(Integer num)  throws  Exception {     
                 System.out.println(num);
             }
         });
          
     }
     
     // 把集合中的偶数过滤出来
     private  static  void  filter(JavaSparkContext jsc) {
     
         //数据源
         List<Integer> lst = Arrays.asList( 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 );
         
         JavaRDD<Integer> numRDD = jsc.parallelize(lst);
         
         System.out.println(numRDD.filter( new  Function<Integer, Boolean>() {
             private  static  final  long  serialVersionUID = 1L;
 
             @Override
             public  Boolean call(Integer num)  throws  Exception {
                 
                 return  num %  2  == 0 ;
             }
         }).collect());
     }
 
     //将一行行数据的单词拆分为一个个单词
     private  static  void  flatMap(JavaSparkContext jsc) {
         
         List<String> lst = Arrays.asList( "hi tim " , "hello girl" , "hello spark" );
         
         JavaRDD<String> lines = jsc.parallelize(lst);
         
         JavaRDD<String> resultRDD = lines.flatMap( new  FlatMapFunction<String, String>() {
 
             private  static  final  long  serialVersionUID = 1L;
 
             @Override
             public  Iterable<String> call(String line)  throws  Exception {
             
                 return  Arrays.asList(line.split( " " ));
             }
         });
         
         System.out.println(resultRDD.collect());
     }
 
     // 根据班级进行分组
     private  static  void  groupByKey(JavaSparkContext jsc) {
         // int ,Integer 
         // scala 里面的类型,没有像Java这样分为基本类型和包装类,因为scala是一种更加强的面向对象语言,
         //一切皆对象,里面的类型,也有对应的方法可以调用,隐式转换
         // 模拟数据
         @SuppressWarnings ( "unchecked" )
         List<Tuple2<String, Integer>> lst = Arrays.asList(
                 new  Tuple2<String, Integer>( "class01" 100 ),
                 new  Tuple2<String, Integer>( "class02" , 101 ),
                 new  Tuple2<String, Integer>( "class01" , 199 ),
                 new  Tuple2<String, Integer>( "class02" , 121 ),
                 new  Tuple2<String, Integer>( "class02" , 120 ));
         
         JavaPairRDD<String, Integer> classRDD = jsc.parallelizePairs(lst);
         JavaPairRDD<String, Iterable<Integer>> groupedRDD = classRDD.groupByKey();
         
         groupedRDD.foreach( new  VoidFunction<Tuple2<String,Iterable<Integer>>>() {
             private  static  final  long  serialVersionUID = 1L;
             @Override
             public  void  call(Tuple2<String, Iterable<Integer>> tuple)
                     throws  Exception {
                 
                 String classKey = tuple._1;
                 Iterator<Integer> values = tuple._2.iterator();
                 while  (values.hasNext()) {
                     
                     Integer value = values.next();
                     
                     System.out.println( "key:"  + classKey +  "\t"  "value:"  + value);
                 }
             }
         });
     }
     
     
     private  static  void  reduceByKey(JavaSparkContext jsc) {
         
         @SuppressWarnings ( "unchecked" )
         List<Tuple2<String, Integer>> lst = Arrays.asList(
                 new  Tuple2<String, Integer>( "class01" 100 ),
                 new  Tuple2<String, Integer>( "class02" , 101 ),
                 new  Tuple2<String, Integer>( "class01" , 199 ),
                 new  Tuple2<String, Integer>( "class02" , 121 ),
                 new  Tuple2<String, Integer>( "class02" , 120 ));
         
         JavaPairRDD<String, Integer> classRDD = jsc.parallelizePairs(lst);
         
         JavaPairRDD<String, Integer> resultRDD = classRDD.reduceByKey( new  Function2<Integer, Integer, Integer>() {
             private  static  final  long  serialVersionUID = 1L;
 
             @Override
             public  Integer call(Integer v1, Integer v2)  throws  Exception {
                 
                 return  v1 + v2;
             }
         });
         
         resultRDD.foreach( new  VoidFunction<Tuple2<String,Integer>>() {
             private  static  final  long  serialVersionUID = 1L;
 
             @Override
             public  void  call(Tuple2<String, Integer> tuple)  throws  Exception {
                 System.out.println( "key:"  + tuple._1 +  "\t"  "value:"  + tuple._2);
                 
             }
         });
     }
     // 把学生的成绩前3名取出来,并打印
     // 1.先排序sortByKey,然后take(3),再foreach
     private  static  void  sortByKey(JavaSparkContext jsc) {
         
         @SuppressWarnings ( "unchecked" )
         List<Tuple2<String, Integer>> lst = Arrays.asList(
                 new  Tuple2<String, Integer>( "tom" 60 ),
                 new  Tuple2<String, Integer>( "kate" , 80 ),
                 new  Tuple2<String, Integer>( "kobe" , 100 ),
                 new  Tuple2<String, Integer>( "马蓉" , 4 ),
                 new  Tuple2<String, Integer>( "宋哲" , 2 ),
                 new  Tuple2<String, Integer>( "白百合" , 3 ),
                 new  Tuple2<String, Integer>( "隔壁老王" , 1 ));
         
         JavaPairRDD<String, Integer> classRDD = jsc.parallelizePairs(lst);
         
         JavaPairRDD<Integer, String> pairRDD = classRDD.mapToPair( new  PairFunction<Tuple2<String,Integer>,Integer , String>() {
             
             private  static  final  long  serialVersionUID = 1L;
 
             @Override
             public  Tuple2<Integer, String> call(Tuple2<String, Integer> tuple)
                     throws  Exception {
                 
                 return  new  Tuple2<Integer, String>(tuple._2, tuple._1);
             }
         });
         //do no 
         JavaPairRDD<Integer, String> sortedRDD = pairRDD.sortByKey();
         JavaPairRDD<String, Integer> sortedRDD01 = sortedRDD.mapToPair( new  PairFunction<Tuple2<Integer,String>, String, Integer>() {
 
             private  static  final  long  serialVersionUID = 1L;
 
             @Override
             public  Tuple2<String, Integer> call(Tuple2<Integer, String> tuple)
                     throws  Exception {
                 
                 return  new  Tuple2<String, Integer>(tuple._2, tuple._1);
             }
         } );
         // take 也是一个action操作
         List<Tuple2<String, Integer>> result = sortedRDD01.take( 3 );
         System.out.println(result);
     }
     
     
     private  static  void  join(JavaSparkContext jsc) {
         
         // 模拟数据
         @SuppressWarnings ( "unchecked" )
         List<Tuple2<Integer, String>> names =Arrays.asList(
                 new  Tuple2<Integer, String>( 1 , "jack" ),
                 new  Tuple2<Integer, String>( 2 , "rose" ),
                 new  Tuple2<Integer, String>( 3 , "tom" ),
                 new  Tuple2<Integer, String>( 4 , "赵丽颖" ));
         
         JavaPairRDD<Integer, String> num2NamesRDD = jsc.parallelizePairs(names);
     
         List<Tuple2<Integer, Integer>> scores = Arrays.asList(
                 new  Tuple2<Integer, Integer>( 1 , 60 ),
                 new  Tuple2<Integer, Integer>( 4 , 100 ),
                 new  Tuple2<Integer, Integer>( 2 , 30 ));   
         
         JavaPairRDD<Integer, Integer> num2scoresRDD = jsc.parallelizePairs(scores);
         
         JavaPairRDD<Integer, Tuple2<Integer, String>> joinedRDD = num2scoresRDD.join(num2NamesRDD);
         
         //姓名成绩排序,取前2名
         JavaPairRDD<Integer, String> score2NameRDD = joinedRDD.mapToPair( new  PairFunction<Tuple2<Integer,Tuple2<Integer,String>>,Integer, String>() {
             private  static  final  long  serialVersionUID = 1L;
 
             @Override
             public  Tuple2<Integer, String> call(
                     Tuple2<Integer, Tuple2<Integer, String>> tuple)
                     throws  Exception {
                 Integer score = tuple._2._1;
                 String name = tuple._2._2;
                 return  new  Tuple2<Integer, String>(score,name);
             }
         });
         // sortByKey之后,你可以执行一个maptoPair的操作,转换为<name,score>
         System.out.println(score2NameRDD.sortByKey( false ).take( 2 ));
     }
     
     // 学生成绩改良版
     private  static  void  leftOutJoin(JavaSparkContext jsc) {
         // 模拟数据
                 @SuppressWarnings ( "unchecked" )
                 List<Tuple2<Integer, String>> names =Arrays.asList(
                         new  Tuple2<Integer, String>( 1 , "jack" ),
                         new  Tuple2<Integer, String>( 2 , "rose" ),
                         new  Tuple2<Integer, String>( 3 , "tom" ),
                         new  Tuple2<Integer, String>( 4 , "赵丽颖" ));
                 
                 JavaPairRDD<Integer, String> num2NamesRDD = jsc.parallelizePairs(names);
             
                 List<Tuple2<Integer, Integer>> scores = Arrays.asList(
                         new  Tuple2<Integer, Integer>( 1 , 60 ),
                         new  Tuple2<Integer, Integer>( 4 , 100 ),
                         new  Tuple2<Integer, Integer>( 2 , 30 ));   
                 
                 JavaPairRDD<Integer, Integer> num2scoresRDD = jsc.parallelizePairs(scores);
         
                 // num2scoresRDD num2NamesRDD
                 //JavaPairRDD<Integer, Tuple2<Integer, Optional<String>>> joinedRDD = num2NamesRDD.leftOuterJoin(num2scoresRDD);
                 // 注意join,谁join谁,没区别,但是leftoutjoin 是有顺序的
                 JavaPairRDD<Integer, Tuple2<String, Optional<Integer>>> joinedRDD = num2NamesRDD.leftOuterJoin(num2scoresRDD);
                 
                 JavaPairRDD<Integer, String> pairRDD = joinedRDD.mapToPair( new  PairFunction<Tuple2<Integer,Tuple2<String,Optional<Integer>>>, Integer, String>() {
                     private  static  final  long  serialVersionUID = 1L;
 
                     @Override
                     public  Tuple2<Integer, String> call(
                             Tuple2<Integer, Tuple2<String, Optional<Integer>>> tuple)
                             throws  Exception {
                         
                         String name = tuple._2._1;
                         Optional<Integer> scoreOptional = tuple._2._2;
                         Integer score =  null ;
                          if (scoreOptional.isPresent()){
                             score= scoreOptional.get();     
                          } else  {
                              score =  0 ;
                          }
                         
                         return  new  Tuple2<Integer, String>(score, name);
                     }
                 });
                 
                 JavaPairRDD<Integer, String> sortedRDD = pairRDD.sortByKey( false );
                 
                 sortedRDD.foreach( new  VoidFunction<Tuple2<Integer,String>>() {
                     private  static  final  long  serialVersionUID = 1L;
 
                     @Override
                     public  void  call(Tuple2<Integer, String> tuple)
                             throws  Exception {
                     
                         if (tuple._1 ==  0 ){
                             System.out.println( "name:"  + tuple._2 +  "\t"  "要努力了,你的成绩0分"  );
                         } else {
                             System.out.println( "姓名:"  + tuple._2 +  "\t"  "分数:"  + tuple._1);
                         }
                     }
                 });
                 
     }
}

如有疑问可跟帖讨论。欢迎拍砖

本文转自  ChinaUnicom110  51CTO博客,原文链接:http://blog.51cto.com/xingyue2011/1948664

相关文章
|
1月前
|
分布式计算 并行计算 大数据
Spark学习---day02、Spark核心编程(RDD概述、RDD编程(创建、分区规则、转换算子、Action算子))(一)
Spark学习---day02、Spark核心编程 RDD概述、RDD编程(创建、分区规则、转换算子、Action算子))(一)
|
1月前
|
分布式计算 Java Scala
Spark学习---day03、Spark核心编程(RDD概述、RDD编程(创建、分区规则、转换算子、Action算子))(二)
Spark学习---day03、Spark核心编程(RDD概述、RDD编程(创建、分区规则、转换算子、Action算子))(二)
|
1月前
|
存储 分布式计算 Scala
bigdata-36-Spark转换算子与动作算子
bigdata-36-Spark转换算子与动作算子
6 0
|
1月前
|
存储 分布式计算 API
adb spark的lakehouse api访问内表数据,还支持算子下推吗
【2月更文挑战第21天】adb spark的lakehouse api访问内表数据,还支持算子下推吗
107 2
|
1月前
|
分布式计算 Hadoop Java
Spark【基础知识 03】【RDD常用算子详解】(图片来源于网络)
【2月更文挑战第14天】Spark【基础知识 03】【RDD常用算子详解】(图片来源于网络)
59 1
|
2月前
|
分布式计算 并行计算 Hadoop
Spark学习---day02、Spark核心编程(RDD概述、RDD编程(创建、分区规则、转换算子、Action算子))(一)
Spark学习---day02、Spark核心编程 RDD概述、RDD编程(创建、分区规则、转换算子、Action算子))(一)
|
8月前
|
存储 分布式计算 并行计算
Spark学习---2、SparkCore(RDD概述、RDD编程(创建、分区规则、转换算子、Action算子))(一)
Spark学习---2、SparkCore(RDD概述、RDD编程(创建、分区规则、转换算子、Action算子))(一)
|
4月前
|
机器学习/深度学习 分布式计算 数据库连接
[Spark精进]必须掌握的4个RDD算子之filter算子
[Spark精进]必须掌握的4个RDD算子之filter算子
45 2
|
4月前
|
分布式计算 Spark
[Spark精进]必须掌握的4个RDD算子之flatMap算子
[Spark精进]必须掌握的4个RDD算子之flatMap算子
44 0
|
4月前
|
机器学习/深度学习 分布式计算 数据处理
[Spark精进]必须掌握的4个RDD算子之mapPartitions算子
[Spark精进]必须掌握的4个RDD算子之mapPartitions算子
52 0