Spark_常用算子

sortBy-sortBy: 指定一个字段进行排序，默认是升序, ascending = false： 降序

package com.core.day2
import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}

object Demo13Sort {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf()
    conf.setAppName("Demo13Sort")
    conf.setMaster("local")

    val sc = new SparkContext(conf)

    val kvRDD: RDD[(String, Int)] = sc.textFile("data/score.txt")
      .map(_.split(","))
      .filter(_.length == 3)
      .map{
        case Array(sid:String,_,sco:String) =>
          (sid,sco.toInt)
      }

    val sum_scoreRDD: RDD[(String, Int)] = kvRDD.reduceByKey(_ + _)

    /**
     * sortBy: 指定一个字段进行排序，默认是升序
     * ascending = false： 降序
     *
     */

    val sortRDD: RDD[(String, Int)] = sum_scoreRDD.sortBy(kv => -kv._2)

    sortRDD.foreach(println)
  }
}

mapValues:: 对value作处理，key可以不变

package com.core.day2

import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}

object Demo14MapValues {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf()
    conf.setAppName("Demo14MapValues")
    conf.setMaster("local")

    val sc = new SparkContext(conf)

    // 读取-分割-清洗-取出数据
    val idAndScoADD: RDD[(String, Int)] = sc.textFile("data/score.txt")
      .map(_.split(","))
      .filter(_.length == 3)
      .map{
        case Array(sid:String,cid:String,sco:String) =>
          (sid,sco.toInt)
      }

    //统计总分
    val kvRDD: RDD[(String, Int)] = idAndScoADD.reduceByKey(_ + _)

    /**
     * mapValues: 对value作处理，key可以不变
     *
     */
    // 对上述所有的数据 乘以100

    val sco_100: RDD[(String, Int)] = kvRDD.mapValues(sco => sco * 100)

    sco_100.foreach(println)
  }

}

mapPartitions

mapPartitions:一次处理一个分区的数据，一个一个传递给后面的函数

迭代器中是一个分区的数据

函数的返回值也是一个迭代器

mapPartitionsWithIndex:对一个分区进行编号

package com.core.day2

import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}

object Demo15MapPartition {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf()
    conf.setAppName("Demo15MapPartition")
    conf.setMaster("local")

    val sc = new SparkContext(conf)

    val lineRDD: RDD[String] = sc.textFile("data/words")

    //println(lineRDD.getNumPartitions)

    /**
     * mapPartitions:一次处理一个分区的数据，一个一个传递给后面的函数
     * 迭代器中是一个分区的数据
     * 函数的返回值也是一个迭代器
     *
     */
    val wordsRDD: RDD[String] = lineRDD.mapPartitions((iter:Iterator[String]) => {
      //在函数类对一个分区的数据进行处理
      val words: Iterator[String] = iter.flatMap(_.split(","))
      words
    })

    wordsRDD.foreach(println)


    /**
     * mapPartitionsWithIndex:对一个分区进行编号
     *
     */
    wordsRDD.mapPartitionsWithIndex{
      case (index:Int,iter:Iterator[String]) =>
        println(s"mapPartitionsWithIndex:$index")
        iter
    }
      .foreach(println)
  }

}

标签：常用,String,val,Int,sco,RDD,conf,算子,Spark
来源： https://www.cnblogs.com/atao-BigData/p/16472048.html