第五章_Spark核心编程_Rdd_转换算子_Value型_distinct算子

目录

• 1. 定义
• 2. 思考 : 不用distinct 算子对List 去重

 

---

回到顶部

1. 定义

    /*
    * 1. 定义
    *    def distinct(): RDD[T]
    * 2. 功能
    *    将Rdd 元素去重,返回去重后的Rdd
    *
    * */

  object distinctTest extends App {

    val sparkconf: SparkConf = new SparkConf().setMaster("local").setAppName("distinctTest")

    val sc: SparkContext = new SparkContext(sparkconf)

    val rdd = sc.makeRDD(List(1, 2, 3, 4, 5, 6, 7, 8, 8, 2), 2)

    private val rdd1: RDD[Int] = rdd.distinct()

    println(s"当前分区数 : ${rdd1.getNumPartitions}")

    println(rdd1.collect().mkString(","))

    sc.stop()

  }

回到顶部

2. 思考 : 不用distinct 算子对List 去重

  object distinctTestWithGroupby extends App {

    val sparkconf: SparkConf = new SparkConf().setMaster("local").setAppName("distinctTest")

    val sc: SparkContext = new SparkContext(sparkconf)

    val rdd = sc.makeRDD(List(1, 2, 3, 4, 5, 6, 7, 8, 8, 2), 2)

    private val rdd1: RDD[(Int, Iterable[Int])] = rdd.groupBy(
      e => e
    )

    private val rdd2: RDD[Int] = rdd1.map(_._1)

    println(s"当前分区数 : ${rdd1.getNumPartitions}")

    println(rdd2.collect().mkString(","))

    sc.stop()

  }