寒假学习进度7

今天学习完单value的算子和双value算子的开始

（1）distinct

def main(args: Array[String]): Unit = {
  val sparkConf = new SparkConf().setMaster("local[*]").setAppName("Operator15")
  val sc = new SparkContext(sparkConf)

  //distinct,去重
  val rdd=sc.makeRDD(List(1,2,3,4,1,2,3,4))
  val rdd1: RDD[Int] = rdd.distinct()
  rdd1.collect().foreach(println)



  sc.stop()
}

（2）coalesce

def main(args: Array[String]): Unit = {
  val sparkConf = new SparkConf().setMaster("local[*]").setAppName("Operator15")
  val sc = new SparkContext(sparkConf)

  //coalesce,压缩分区，将多个分区，分成指定分区，节约资源
  val rdd=sc.makeRDD(List(1,2,3,4),4)

  val newrdd: RDD[Int] = rdd.coalesce(2,true)//true是否打乱数据

  newrdd.saveAsTextFile("outout")



  sc.stop()
}

（3）repartition

def main(args: Array[String]): Unit = {
  val sparkConf = new SparkConf().setMaster("local[*]").setAppName("Operator15")
  val sc = new SparkContext(sparkConf)

  //repartition,扩大分区
  val rdd=sc.makeRDD(List(1,2,3,4),4)

  val newrdd: RDD[Int] = rdd.repartition(3)

  newrdd.saveAsTextFile("outout")



  sc.stop()
}

（4）sortBy

def main(args: Array[String]): Unit = {
  val sparkConf = new SparkConf().setMaster("local[*]").setAppName("Operator15")
  val sc = new SparkContext(sparkConf)

  //sortBy,根据规则排序
  val rdd=sc.makeRDD(List(6,2,8,1,5,3),2)

  val newrdd: RDD[Int] = rdd.sortBy(num => num)
  newrdd.collect().foreach(println)



  sc.stop()
}

def main(args: Array[String]): Unit = {
  val sparkConf = new SparkConf().setMaster("local[*]").setAppName("Operator15")
  val sc = new SparkContext(sparkConf)

  //sortBy,根据规则排序
  val rdd=sc.makeRDD(List(("1",1),("11",2),("2",3)),2)

  //t._1是先比较第一个字符大小，加上toInt后是直接比较字符串代表的数字大小
  val newrdd: RDD[(String, Int)] = rdd.sortBy(t => t._1.toInt)
  newrdd.collect().foreach(println)



  sc.stop()
}

（5）双value

def main(args: Array[String]): Unit = {
  val sparkConf = new SparkConf().setMaster("local[*]").setAppName("Operator15")
  val sc = new SparkContext(sparkConf)

  //双value
  val rdd1: RDD[Int] = sc.makeRDD(List(1, 2, 3, 4))
  val rdd2: RDD[Int] = sc.makeRDD(List(3, 4, 7, 8))

  //交集
  val rdd3: RDD[Int] = rdd1.intersection(rdd2)

  println(rdd3.collect().mkString(","))

  //并集
  val rdd4: RDD[Int] = rdd1.union(rdd2)
  println(rdd4.collect().mkString(","))

  //差集
  val rdd5: RDD[Int] = rdd1.subtract(rdd2)
  println(rdd5.collect().mkString(","))

  //拉链
  val rdd6: RDD[(Int, Int)] = rdd1.zip(rdd2)
  println(rdd6.collect().mkString(","))

  sc.stop()
}