常用action介绍

reduce

reduce：将RDD中的所有元素进行聚合操作。第一个和第二个元素聚合，值与第三个元素聚合，值与第四个元素聚合，以此类推。

案例：10个数字进行累加

java:

// 有一个集合，里面有1到10,10个数字，现在要对10个数字进行累加 
List numberList = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10); 
JavaRDD numbers = sc.parallelize(numberList);

    // 使用reduce操作对集合中的数字进行累加
    // reduce操作的原理：
        // 首先将第一个和第二个元素，传入call()方法，进行计算，会获取一个结果，比如1 + 2 = 3
        // 接着将该结果与下一个元素传入call()方法，进行计算，比如3 + 3 = 6
        // 以此类推
    // 所以reduce操作的本质，就是聚合，将多个元素聚合成一个元素
    int sum = numbers.reduce(new Function2<Integer, Integer, Integer>() {

        private static final long serialVersionUID = 1L;

        @Override
        public Integer call(Integer v1, Integer v2) throws Exception {
            return v1 + v2;
        }

    });

scala

val numberArray = Array(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)
val numbers = sc.parallelize(numberArray, 1)  
val sum = numbers.reduce(_ + _)  

collect

collect：将RDD中所有元素获取到本地客户端。

案例：数字的两倍

java

		// 有一个集合，里面有1到10,10个数字，现在要对10个数字进行累加
List<Integer> numberList = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);
JavaRDD<Integer> numbers = sc.parallelize(numberList);

// 使用map操作将集合中所有数字乘以2
JavaRDD<Integer> doubleNumbers = numbers.map(

		new Function<Integer, Integer>() {

			private static final long serialVersionUID = 1L;

			@Override
			public Integer call(Integer v1) throws Exception {
				return v1 * 2;
			}

		});

// 不用foreach action操作，在远程集群上遍历rdd中的元素
// 而使用collect操作，将分布在远程集群上的doubleNumbers RDD的数据拉取到本地
// 这种方式，一般不建议使用，因为如果rdd中的数据量比较大的话，比如超过1万条
	// 那么性能会比较差，因为要从远程走大量的网络传输，将数据获取到本地
	// 此外，除了性能差，还可能在rdd中数据量特别大的情况下，发生oom异常，内存溢出
// 因此，通常，还是推荐使用foreach action操作，来对最终的rdd元素进行处理
List<Integer> doubleNumberList = doubleNumbers.collect();
for(Integer num : doubleNumberList) {
	System.out.println(num);  
}

scala

val numberArray = Array(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)
val numbers = sc.parallelize(numberArray, 1)  
val doubleNumbers = numbers.map { num => num * 2 }  

val doubleNumberArray = doubleNumbers.collect()

for(num <- doubleNumberArray) {
  println(num)  
}

count

count：获取RDD元素总数。

案例：一串数字的个数。

java:

		// 有一个集合，里面有1到10,10个数字，现在要对10个数字进行累加
List<Integer> numberList = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);
JavaRDD<Integer> numbers = sc.parallelize(numberList);

// 对rdd使用count操作，统计它有多少个元素
long count = numbers.count();
System.out.println(count);  

scala

val numberArray = Array(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)
val numbers = sc.parallelize(numberArray, 1)  
val count = numbers.count()

saveAsTextFile

saveAsTextFile：将RDD元素保存到文件中，对每个元素调用toString方法。

案例：把数据保存到HDFS中

		// 有一个集合，里面有1到10,10个数字，现在要对10个数字进行累加
List<Integer> numberList = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);
JavaRDD<Integer> numbers = sc.parallelize(numberList);

// 使用map操作将集合中所有数字乘以2
JavaRDD<Integer> doubleNumbers = numbers.map(

		new Function<Integer, Integer>() {

			private static final long serialVersionUID = 1L;

			@Override
			public Integer call(Integer v1) throws Exception {
				return v1 * 2;
			}

		});

// 直接将rdd中的数据，保存在HFDS文件中
// 但是要注意，我们这里只能指定文件夹，也就是目录
// 那么实际上，会保存为目录中的/double_number.txt/part-00000文件
doubleNumbers.saveAsTextFile("hdfs://spark1:9000/double_number.txt");  

scala ：

def testSaveAsTextFile() = {
    
    System.setProperty("hadoop.home.dir", "E:\\data\\winutils")
    
    val numberArray = Array(1,2,3,4,5,6,7,8,9,10);
    val numbers = sc.parallelize(numberArray);
    val doubleNumbers = numbers.map(num => num *2)
    doubleNumbers.repartition(2).saveAsTextFile("E:\\data\\test")
   
  }

注意：http://download.youkuaiyun.com/detail/qq_16899785/9292533  保存到本地会报错，添加这个system.setProperty信息。下载wintuils地址

take

take：获取RDD中前n个元素。

案例：获取一个RDD的前三个元素

java:

	   // 有一个集合，里面有1到10,10个数字，现在要对10个数字进行累加
List<Integer> numberList = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);
JavaRDD<Integer> numbers = sc.parallelize(numberList);

// 对rdd使用count操作，统计它有多少个元素
// take操作，与collect类似，也是从远程集群上，获取rdd的数据
// 但是collect是获取rdd的所有数据，take只是获取前n个数据
List<Integer> top3Numbers = numbers.take(3);

for(Integer num : top3Numbers) {
	System.out.println(num);  
}

scala

val numberArray = Array(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)
val numbers = sc.parallelize(numberArray, 1)  

val top3Numbers = numbers.take(3)

for(num <- top3Numbers) {
  println(num)  
}

countByKey

countByKey：对每个key对应的值进行count计数。

案例：统计每个班级的学生人数

		// 模拟集合
List<Tuple2<String, String>> scoreList = Arrays.asList(
		new Tuple2<String, String>("class1", "leo"),
		new Tuple2<String, String>("class2", "jack"),
		new Tuple2<String, String>("class1", "marry"),
		new Tuple2<String, String>("class2", "tom"),
		new Tuple2<String, String>("class2", "david"));  

// 并行化集合，创建JavaPairRDD
JavaPairRDD<String, String> students = sc.parallelizePairs(scoreList);

// 对rdd应用countByKey操作，统计每个班级的学生人数，也就是统计每个key对应的元素个数
// 这就是countByKey的作用
// countByKey返回的类型，直接就是Map<String, Object>
Map<String, Object> studentCounts = students.countByKey();

for(Map.Entry<String, Object> studentCount : studentCounts.entrySet()) {
	System.out.println(studentCount.getKey() + ": " + studentCount.getValue());  
}

scala

val studentList = Array(Tuple2("class1", "leo"), Tuple2("class2", "jack"),
    Tuple2("class1", "tom"), Tuple2("class2", "jen"), Tuple2("class2", "marry"))   
val students = sc.parallelize(studentList, 1)  
val studentCounts = students.countByKey() 

foreach

foreach：遍历RDD中的每个元素。（最常用的action）