《深入理解Spark》之FlatMap和Glom和randomSplit

最新推荐文章于 2024-11-01 11:33:38 发布

lyzx_in_csdn

最新推荐文章于 2024-11-01 11:33:38 发布

阅读量557

点赞数

CC 4.0 BY-SA版权

分类专栏： Spark

本文链接：https://blog.youkuaiyun.com/lyzx_in_csdn/article/details/78858609

Spark 专栏收录该内容

35 篇文章

订阅专栏

本文详细探讨了Spark中的核心转换操作FlatMap，它如何将元素展开为多个结果。同时，我们讲解了Glom函数，该函数用于将分区内的数据聚集在一起形成一个数组。最后，我们讨论了randomSplit功能，它是如何根据给定的权重对数据集进行随机分割的，这对于数据划分和测试至关重要。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

XML Code

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66

package com.lyzx.day11

import breeze.linalg.split
import org.apache.spark.{SparkConf, SparkContext}

class T1 {

  /*
  parallelize方法是把scala内部集合准换为一个RDD的操作即创建spark中RDD穿的操作
   */
  def f1_parallelize(sc:SparkContext): Unit ={
    val arr =Array(1,2,3,4,5)
    val arrRdd = sc.parallelize(arr);
    arrRdd.map(_*10).foreach(println)
  }

  def f2_flatMap(sc:SparkContext): Unit ={
    val arr = Array(1,2,3,4,5)
    val rdd = sc.parallelize(arr)
    rdd.map(item=>(1 to item)).foreach(item=>println("map:"+item))

    rdd.flatMap(item=>(1 to item)).foreach(item=>print(item+"  "))
  }

  /*
  glom函数(glom有偷、抢、看的意思)
  该函数把一个RDD中每一个partition上的所有T类型的元素转换为Array[T]即把每个partition上的元素全部集中到一个数组中
   */
  def f3_glom(sc:SparkContext,partitions:Int): Unit ={
    //把1-10的集合放在partitions个分区中，用<<>>代表一个partition，当partitions=3时，rdd中的数据为[<<1,2,3>>,<<4,5,6>>,<<7,8,9,10>>]
    val rdd = sc.makeRDD((1 to 10),partitions)

    //调用glom函数把该RDD上的3个分区中的每一个partition上的元素全部放到一个数组中,通过调用glom()函数后该RDD上的数据变为,[[1,2,3],[4,5,6],[7,8,9,10]]
    rdd.glom().collect().foreach(item=>{
      println("item.length="+item.length)
      item.foreach(
        item=>println(item)
      )
    })
  }
//2 7 9  ||  4 5 6 8 10   || 1 3
  def f4_randomSplit(sc:SparkContext): Unit ={
    val rdd = sc.makeRDD(1 to 10 ,10)
    val randomRdd = rdd.randomSplit(Array(1,8))
  println(randomRdd.length)
//    randomRdd(0).collect().foreach(println)
//    println("==============================")
//    randomRdd(1).collect().foreach(println)
//    println("==============================")
//    randomRdd(2).collect().foreach(println)
  }
}

object T1{
  def main(args: Array[String]) {
    val conf = new SparkConf();
      conf.setAppName("operation").setMaster("local")
    val sc = new SparkContext(conf)
    val t1 = new T1
//    t1.f1_parallelize(sc)
//    t1.f2_flatMap(sc)
//    t1.f3_glom(sc,3)
    t1.f4_randomSplit(sc)
  }
}