Spark 算子操作及总结_2

简介: 快速学习 Spark 算子操作及总结_2

开发者学堂课程【大数据实时计算框架 Spark 快速入门:Spark 算子操作及总结_2】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址https://developer.aliyun.com/learning/course/100/detail/1692


Spark 算子操作及总结_2


内容简介:


一、CartesianOperator 相关代码

二、CountByKey Operator 相关代码

二、CountByKey Operator 相关代码


一、CartesianOperator 相关代码

17        //中文名笛卡尔乘积

18        //比如说两个RDD, 分别有10条数据,用了cartesian算子以后

19       //两个RDD的每 一个数据都会和另外一个RDD的每条数据执行一次JOIN

20       //最终组成一个笛 卡尔乘积

21

22       // 小案例

23      //比如说,现在有5件衣服,5条裤子,分别属于两个RDD

24     //就是说,需要对每件衣服都和每条裤子做一次JOIN操作, 尝试进行服装搭配!

25   SparkConf conf = new SparkConf()

26   . setAppName("CartesianOperator")

27   JavaSparkContext sc . new JavaSparkContext(conf);

28

29   List clothes = Arrays.asList("T恤衫","夹克","皮大衣", "衬衫","毛衣");

30List trousers = Arrays. asList("西裤"," 内裤", "铅笔裤", "皮裤","牛仔裤");

31   JavaRDD clothesRDD= sc. parallelize(clothes);

32  JavaRDD trousersRDD = sc. parallelize(trousers);

33

34JavaPairRDDpairs-clothesRDD.cartesian(trousersRDD);

35   for(Tuple2 pair : pairs.collect()){

36   System.out.println(pair);

37  }

39  sc.close();

40  }

41}


二、CountByKey Operator 相关代码

30  //对RDD应用CountByKey算子,统计每个70s或者80s,人数分别是多少

31  //统计每种Key对应的元素个数

32  Map counts . students.countByKey();

33  for(Map. Entry studentCount : counts .entrySet())

34  System. out. println(studentCount. getKey() + ": " + studentCount.getValue());

35}

36

37  sc.close();

38

39    }

40


三、CogroupOperator 相关代码

12

13   public class CogroupOperator {

14

15  public static void main(String[] args)

16  SparkConf conf - new SparkConf(). setAppName("ReduceOperator")

17   . setMaster("local");

18   JavaSparkContext sc = new JavaSparkContext(conf);

19

20   List studentsList E Arrays .asList(

21   new Tuple2("1"," xuruyun"),

22   new Tuple2("2" , "wangfei"),

23   new Tuple2("3" ,"lixin"));

24   List

25   new Tuple2("1","100"),

26   new Tuple2("2","90")

27   newTuple2("3","80"),

28   newTuple2("1","70"),

29   newTuple2("2","60"),

30   new Tuple2("3","50"));

31   JavaPairRDD students = sc.parallelizePairs(studentslist);

32   JavaPairRDD scores = sc.       parallelizePairs(scorelist);

33

相关文章
|
7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)
393 1
|
7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)
|
5月前
|
SQL 分布式计算 大数据
MaxCompute操作报错合集之 Spark Local模式启动报错,是什么原因
MaxCompute是阿里云提供的大规模离线数据处理服务,用于大数据分析、挖掘和报表生成等场景。在使用MaxCompute进行数据处理时,可能会遇到各种操作报错。以下是一些常见的MaxCompute操作报错及其可能的原因与解决措施的合集。
|
5月前
|
SQL 分布式计算 数据处理
MaxCompute操作报错合集之使用Spark查询时函数找不到的原因是什么
MaxCompute是阿里云提供的大规模离线数据处理服务,用于大数据分析、挖掘和报表生成等场景。在使用MaxCompute进行数据处理时,可能会遇到各种操作报错。以下是一些常见的MaxCompute操作报错及其可能的原因与解决措施的合集。
|
6月前
|
分布式计算 DataWorks MaxCompute
MaxCompute操作报错合集之在Spark访问OSS时出现证书错误的问题,该如何解决
MaxCompute是阿里云提供的大规模离线数据处理服务,用于大数据分析、挖掘和报表生成等场景。在使用MaxCompute进行数据处理时,可能会遇到各种操作报错。以下是一些常见的MaxCompute操作报错及其可能的原因与解决措施的合集。
|
6月前
|
分布式计算 DataWorks MaxCompute
DataWorks操作报错合集之spark操作odps,写入时报错,是什么导致的
DataWorks是阿里云提供的一站式大数据开发与治理平台,支持数据集成、数据开发、数据服务、数据质量管理、数据安全管理等全流程数据处理。在使用DataWorks过程中,可能会遇到各种操作报错。以下是一些常见的报错情况及其可能的原因和解决方法。
|
7月前
|
分布式计算 DataWorks 大数据
MaxCompute操作报错合集之大数据计算的MaxCompute Spark引擎无法读取到表,是什么原因
MaxCompute是阿里云提供的大规模离线数据处理服务,用于大数据分析、挖掘和报表生成等场景。在使用MaxCompute进行数据处理时,可能会遇到各种操作报错。以下是一些常见的MaxCompute操作报错及其可能的原因与解决措施的合集。
MaxCompute操作报错合集之大数据计算的MaxCompute Spark引擎无法读取到表,是什么原因
|
6月前
|
分布式计算 大数据 数据处理
MaxCompute操作报错合集之spark客户端执行时,报错,该怎么办
MaxCompute是阿里云提供的大规模离线数据处理服务,用于大数据分析、挖掘和报表生成等场景。在使用MaxCompute进行数据处理时,可能会遇到各种操作报错。以下是一些常见的MaxCompute操作报错及其可能的原因与解决措施的合集。
|
6月前
|
分布式计算 DataWorks 网络安全
DataWorks操作报错合集之还未运行,spark节点一直报错,如何解决
DataWorks是阿里云提供的一站式大数据开发与治理平台,支持数据集成、数据开发、数据服务、数据质量管理、数据安全管理等全流程数据处理。在使用DataWorks过程中,可能会遇到各种操作报错。以下是一些常见的报错情况及其可能的原因和解决方法。
|
7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
150 2