Spark RDD常用算子操作（一） parallelize，makeRDD，textFile

发表于 | 分类于 | 阅读次数：

原文作者：翟开顺
首发：CSDN
本人仅为自己方便查阅做了摘抄，请支持原作者
原文地址：https://blog.csdn.net/t1dmzks/article/details/72077428

parallelize，makeRDD，textFile

parallelize

调用SparkContext 的 parallelize()，将一个存在的集合，变成一个RDD，这种方式试用于学习spark和做一些spark的测试

scala版本
def parallelize[T](seq: Seq[T], numSlices: Int = defaultParallelism)(implicit arg0: ClassTag[T]): RDD[T]

  • 第一个参数一是一个 Seq集合
  • 第二个参数是分区数
  • 返回的是RDD[T]
1
2
scala> sc.parallelize(List("shenzhen", "is a beautiful city"))
res1: org.apache.spark.rdd.RDD[String] = ParallelCollectionRDD[1] at parallelize at <console>:22

java版本
def parallelize[T](list : java.util.List[T], numSlices : scala.Int) : org.apache.spark.api.java.JavaRDD[T] = { /* compiled code */ }

  • 第一个参数是一个List集合
  • 第二个参数是一个分区，可以默认
  • 返回的是一个JavaRDD[T]
    java版本只能接收List的集合
1
JavaRDD<String> javaStringRDD = sc.parallelize(Arrays.asList("shenzhen", "is a beautiful city"));

makeRDD

只有scala版本的才有makeRDD
def makeRDD[T](seq : scala.Seq[T], numSlices : scala.Int = { /* compiled code */ })
跟parallelize类似

1
sc.makeRDD(List("shenzhen", "is a beautiful city"))

textFile

调用SparkContext.textFile()方法，从外部存储中读取数据来创建 RDD
例如在我本地F:\dataexample\wordcount\input下有个sample.txt文件，文件随便写了点内容，我需要将里面的内容读取出来创建RDD

scala版本

1
var lines = sc.textFile("F:\\dataexample\\wordcount\\input")

java版本

1
JavaRDD<String> lines = sc.textFile("F:\\dataexample\\wordcount\\input");

注: textFile支持分区，支持模式匹配，例如把F:\dataexample\wordcount\目录下inp开头的给转换成RDD

1
var lines = sc.textFile("F:\\dataexample\\wordcount\\inp*")

多个路径可以使用逗号分隔，例如

1
var lines = sc.textFile("dir1,dir2",3)

0%