RDD编程总结

本文详细介绍了RDD的相关知识,包括其特点、加载方式、转换和行动操作,以及键值对处理。通过具体示例展示了如何从文件系统和分布式文件系统加载数据,使用filter、map、flatMap、groupByKey和reduceByKey等操作,以及如何处理键值对数据。最后提供了综合实例,涵盖了学生信息、课程统计、成绩计算等多个场景。

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

一:RDD相关知识

1.RDD特点:可持久化,可序列化,可分区。

2.对RDD进行分区的优点:增加并行度;减少通信开销。

3.RDD分区的一个原则是使分区的个数尽量等于集群中的CPU核心数目。

二:加载RDD(SparkContext简写为sc)

1.从文件系统中加载数据

file=sc.textFile("file://+文件的具体路径)

aq:从/home/hadoop/Downloads目录下加载数据dataset2.txt

2.从分布式文件系统中加载数据

file=sc.textFile("hdfs://localhost:9000+文件的具体路径)

3.通过并行集合(比如数组)创建RDD(通过调用parallelize方法在已知集合上创建RDD)

aq:将数组(1,2,3,4,5)转换为RDD

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