寒假学习进度7

今天学习完单value的算子和双value算子的开始

(1)distinct

def main(args: Array[String]): Unit = {
val sparkConf = new SparkConf().setMaster("local[*]").setAppName("Operator15")
val sc = new SparkContext(sparkConf)

//distinct,去重
val rdd=sc.makeRDD(List(1,2,3,4,1,2,3,4))
val rdd1: RDD[Int] = rdd.distinct()
rdd1.collect().foreach(println)



sc.stop()
}

(2)coalesce

def main(args: Array[String]): Unit = {
val sparkConf = new SparkConf().setMaster("local[*]").setAppName("Operator15")
val sc = new SparkContext(sparkConf)

//coalesce,压缩分区,将多个分区,分成指定分区,节约资源
val rdd=sc.makeRDD(List(1,2,3,4),4)

val newrdd: RDD[Int] = rdd.coalesce(2,true)//true是否打乱数据

newrdd.saveAsTextFile("outout")



sc.stop()
}

(3)repartition

def main(args: Array[String]): Unit = {
val sparkConf = new SparkConf().setMaster("local[*]").setAppName("Operator15")
val sc = new SparkContext(sparkConf)

//repartition,扩大分区
val rdd=sc.makeRDD(List(1,2,3,4),4)

val newrdd: RDD[Int] = rdd.repartition(3)

newrdd.saveAsTextFile("outout")



sc.stop()
}

(4)sortBy

def main(args: Array[String]): Unit = {
val sparkConf = new SparkConf().setMaster("local[*]").setAppName("Operator15")
val sc = new SparkContext(sparkConf)

//sortBy,根据规则排序
val rdd=sc.makeRDD(List(6,2,8,1,5,3),2)

val newrdd: RDD[Int] = rdd.sortBy(num => num)
newrdd.collect().foreach(println)



sc.stop()
}
def main(args: Array[String]): Unit = {
val sparkConf = new SparkConf().setMaster("local[*]").setAppName("Operator15")
val sc = new SparkContext(sparkConf)

//sortBy,根据规则排序
val rdd=sc.makeRDD(List(("1",1),("11",2),("2",3)),2)

//t._1是先比较第一个字符大小,加上toInt后是直接比较字符串代表的数字大小
val newrdd: RDD[(String, Int)] = rdd.sortBy(t => t._1.toInt)
newrdd.collect().foreach(println)



sc.stop()
}

(5)双value

def main(args: Array[String]): Unit = {
val sparkConf = new SparkConf().setMaster("local[*]").setAppName("Operator15")
val sc = new SparkContext(sparkConf)

//双value
val rdd1: RDD[Int] = sc.makeRDD(List(1, 2, 3, 4))
val rdd2: RDD[Int] = sc.makeRDD(List(3, 4, 7, 8))

//交集
val rdd3: RDD[Int] = rdd1.intersection(rdd2)

println(rdd3.collect().mkString(","))

//并集
val rdd4: RDD[Int] = rdd1.union(rdd2)
println(rdd4.collect().mkString(","))

//差集
val rdd5: RDD[Int] = rdd1.subtract(rdd2)
println(rdd5.collect().mkString(","))

//拉链
val rdd6: RDD[(Int, Int)] = rdd1.zip(rdd2)
println(rdd6.collect().mkString(","))

sc.stop()
}
上一篇:寒假学习进度


下一篇:寒假学习进度6