超级会员免费看
本文详细介绍了Spark中RDD的处理过程，重点讲解了转换算子和行动算子的使用。从映射、过滤、扁平映射、按键归约、合并、排序等多个算子出发，通过实例演示了如何在Spark Shell和IDEA中操作。内容涵盖数据准备、转换算子的延迟计算特性、行动算子触发计算以及各种算子的功能和用法，帮助读者掌握Spark大数据处理的关键技能。
文章目录
- 零、本节学习目标
- 一、RDD的处理过程
- 二、RDD算子
- 三、准备工作
- 四、掌握转换算子
- 五、掌握行动算子
零、本节学习目标
- 了解RDD的处理过程
- 掌握转换算子的使用
- 掌握行动算子的使用
一、RDD的处理过程
- Spark用Scala语言实现了RDD的API，程序开发者可以通过调用API对RDD进行操作处理。RDD经过一系列的“转换”操作，每一次转换都会产生不同的RDD，以供给下一次“转换”操作使用，直到最后一个RDD经过“行动”操作才会被真正计算处理，并输出到外部数据源中，若是中间的数据结果需要复用，则可以进行缓存处理，将数据缓存到内存中。
二、RDD算子
- RDD被创建后是只读的，不允许修改。Spark提供了丰富的用于操作RDD的方法，这些方法被称为算子。一个创建完成的RDD只支持两种算子：
转换（Transformation）算子和行动（Action）算子。
（一）转换算子
- RDD处理过程中的“转换”操作主要用于根据已有RDD创建新的RDD，每
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
