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
微信关注我们
转载内容版权归作者及来源网站所有！
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。
Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。
Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。
Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。
扫码在手机上查看文章
扫描二维码，手机阅读更方便
有任何问题或合作意向欢迎联系我们
Email: 99873273@qq.com
QQ: 99873273