Spark大数据处理学习笔记（3.1）掌握RDD的创建

文章目录

一、准备工作
1.1 准备文件
1.1.1 准备本地系统文件
在/home目录里创建test.txt

单词用空格分隔

1.1.2 启动HDFS服务
执行命令：start-dfs.sh

1.1.3 上传文件到HDFS
将test.txt上传到HDFS的/park目录里

查看文件内容

1.2 启动Spark Shell
1.2.1 启动Spark服务
执行命令：start-all.sh

1.2.2 启动Spark Shell
执行命令：spark-shell（既可以读取本地文件，也可以读取HDFS文件）

查看Spark Shell的WebUI界面

查看执行器

二、创建RDD
2.1 通过并行集合创建RDD
Spark可以通过并行集合创建RDD。即从一个已经存在的集合、数组上，通过SparkContext对象调用parallelize()或makeRDD()方法创建RDD。
2.1.1 利用parallelize()方法创建RDD
执行命令：val rdd = sc.parallelize(List(1, 2, 3, 4, 5, 6, 7, 8))

执行命令：val rdd = sc.parallelize(Array(100, 300, 200, 600, 500, 900))

说明：不能基于Map、Tuple和Set来创建RDD
2.1.2 利用makeRDD()方法创建RDD
执行命令：val rdd = sc.makeRDD(List(1, 2, 3, 4, 5, 6, 7, 8))

执行命令：rdd.collect()，收集rdd数据进行显示

思考题ÿ