寒假学习进度8

今天继续学习spark双value算子

（1）

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

  //双value，数据源类型要保持一致，拉链类型可以不一致

  //会报错，因为拉链分区数量要保持一致，并且分区中的数量要一致
  val rdd1: RDD[Int] = sc.makeRDD(List(1, 2, 3, 4,5,6),2)
  val rdd2: RDD[Int] = sc.makeRDD(List(3, 4, 7, 8),4)

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

  sc.stop()
}

（2）partitionBy

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

  val rdd = sc.makeRDD(List(1, 2, 3, 4),2)

  //将int类型转换成taper类型
  val maprdd: RDD[(Int, Int)] = rdd.map((_, 1))

  //partitionBy根据指定的分区规则对数据重新分区
  maprdd.partitionBy(new HashPartitioner(2)).saveAsTextFile("output")


  sc.stop()
}

（3）reduceByKey

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

  val rdd = sc.makeRDD(List(("a",1),("a",2),("a",3),("b",1)))

  //reduceByKey，相同的key的数据进行value数据的聚合操作
  //[1,2]
  //[3,3]
  //[6]
  val reducerdd: RDD[(String, Int)] = rdd.reduceByKey((x: Int, y: Int) => {
    x + y
  })

  reducerdd.collect().foreach(println)


  sc.stop()
}

（4）groupByKey

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

  val rdd = sc.makeRDD(List(("a",1),("a",2),("a",3),("b",1)))

  //groupByKey,将数据源中的数据，相同的key分在一个组中，形成一个对偶元祖
  val grouprdd: RDD[(String, Iterable[Int])] = rdd.groupByKey()

  grouprdd.collect().foreach(println)

  sc.stop()
}

（5）aggregateByKey

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

  val rdd = sc.makeRDD(List(("a",1),("a",2),("a",3),("a",4)),2)

  //aggregateByKey操作函数柯里化,2个参数列表
  //第一个参数列表，需要一个参数，表示初始值
     //主要用于第一个key时，和value进行分区计算
  //第二个参数列表需要2个参数
    //第一个参数表示分区内的计算规则
    //第二个参数表示分区间计算规则
  rdd.aggregateByKey(0)(
    (x,y)=>math.max(x,y),
    (x,y)=>x+y
  ).collect().foreach(println)

  sc.stop()
}