Spark的MapReduce

本文介绍了如何使用Apache Spark实现MapReduce的基本操作流程。包括从创建测试文件开始,通过加载文件到RDD,再到使用filter()、flatMap()等函数进行数据处理,并最终保存处理结果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Spark的MapReduce相对是比较简单的,步骤如下:
先编写测试文件

[zyf@hadoop ~]$ vi b.txt
[zyf@hadoop ~]$ cat b.txt 
aaa bbb
ccc fff
aaa bbb
bbb fff

(1)、将本地文件或者HDFS上的文件通过sc.textFile(“/input/b.txt”)加载到RDD中
(2)、可以将RDD文件通过filter()函数中的高阶函数进行过滤

scala> val ardd = sc.textFile("/input/a.txt").filter(line=>line.contains("aaa"))
ardd: org.apache.spark.rdd.RDD[String] = MapPartitionsRDD[23] at filter at <console>:27

scala>

(3)、将过滤后的RDD进行map()函数定义split分隔符读取文件,或者通过faltMap()函数读取文件。faltMap()读取后是将分割后的每个集合中的数据提取出来。

scala> val linerdd=ardd.flatMap(line=>line.split("\t"))
linerdd: org.apache.spark.rdd.RDD[String] = MapPartitionsRDD[3] at flatMap at <console>:29

scala>

(4)、将map后的RDD文件进行reduce()函数定义的高阶函数进行处理rdd.collect集合的元素。也可以用过reduceByKey(),按照元素的Key先进行分组,再进行对分组在一起的数据,进行处理。

scala> val kvrdd=linerdd.map(word=>(word,1))
kvrdd: org.apache.spark.rdd.RDD[(String, Int)] = MapPartitionsRDD[4] at map at <console>:31

scala>

(5)、RDD通过的文件saveAsTextFile(”/output”)进行存储

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值