rdd常见转换操作

大数据spark

于 2017-05-08 09:04:30 发布

阅读量2.6k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： spark 文章标签： x 数据 rdd

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/dashujv/article/details/71402875

本文介绍了Spark中的RDD转换操作，包括map、filter、flatMap、union、groupByKey、join、sample、distinct、reduceByKey、sortByKey和cogroup。这些操作用于数据处理和转换，例如数据过滤、合并、分组、排序和抽样等。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1）map

map是对RDD中的每个元素都执行一个指定的函数来产生一个新的RDD，RDD之间的元素是一对一关系

val rdd1=sc.parallelize(1 to 9,3)
val rdd2=rdd1.map(x=>x*2)

rdd2中则存放（2, 4, 6, 8, 10, 12, 14, 16, 18）

2）filter

Filter是对RDD元素进行过滤，返回一个新的数据集

val rdd1=sc.parallelize(1 to 9,3)
val rdd2=rdd1.filter(x=>x>5)

rdd2中则存放（6,7,8

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。