4.RDD操作
一、 RDD创建
1. 从本地文件系统中加载数据创建RDD
2. 从HDFS加载数据
创建RDD
启动hdfs
上传文件
查看文件
加载
停止hdfs
3. 通过并行集合(列表)创建RDD
输入列表
字符串
生成数组
二、 RDD操作
1. 转换操作
map(func)
显式定义函数
lambda函数
flatMap(func)
- 分词
- 单词映射成键值对
reduceByKey()
- 统计词频,累加
- 乘法规则
groupByKey()
- 单词分组
- 查看分组的内容
- 分组之后做累加 map
sortByKey()
1. 词频统计按单词排序
sortBy()
1. 词频统计按词频排序
2. 查看分区数 getNumPartitions()
3. 生成不同分区数的rdd
RDD写入文本文件
1. 写入本地文件系统,并查看结果
2. 写入分布式文件系统,并查看结果注意分区数与文件数的关系
2.行动操作
foreach(print)
foreach(lambda a:print(a.upper())
collect()
count()
take(n)
reduce()