spark学习进度06（RDD的Map算子、FlatMap算子、ReduceByKey算子）

一、Map算子：

 

 作用

把 RDD 中的数据 一对一 的转为另一种形式

调用

def map[U: ClassTag](f: T ⇒ U): RDD[U]

参数

f → Map 算子是 原RDD → 新RDD 的过程, 这个函数的参数是原 RDD 数据, 返回值是经过函数转换的新 RDD 的数据

注意点

Map 是一对一, 如果函数是 String → Array[String] 则新的 RDD 中每条数据就是一个数组

@Test
  def mapTest():Unit={
    //先创建一个RDD
    val rdd1 = sc.parallelize(Seq(1,2,3))
    //执行map
    val rdd2 = rdd1.map(item => item*10)
    //得到结果
    val result = rdd2.collect()
    //结果输出
    result.foreach(item => println(item))
  }

 

 

二、FlatMap算子：

 

 作用

FlatMap 算子和 Map 算子类似, 但是 FlatMap 是一对多

调用

def flatMap[U: ClassTag](f: T ⇒ List[U]): RDD[U]

参数

f → 参数是原 RDD 数据, 返回值是经过函数转换的新 RDD 的数据, 需要注意的是返回值是一个集合, 集合中的数据会被展平后再放入新的 RDD

注意点

flatMap 其实是两个操作, 是 map + flatten, 也就是先转换, 后把转换而来的 List 展开

  //flatmap算子
  @Test
  def flatMapTest():Unit={
    //创建RDD
    val rdd1 = sc.parallelize(Seq("Hello lilty","hello wen","lilty Hello"))
    //处理数据
    val rdd2 = rdd1.flatMap(item => item.split(" "))
    //得到结果
    val result=rdd2.collect()
    //打印
    result.foreach(item => println(item))
    //关闭sc
    sc.stop()
  }

 

flatMap也是转换，他可以把数组和集合展开，并且flatMap中的函数一般也是集合或者数组

三、ReduceByKey算子：

 

 作用

首先按照 Key 分组, 接下来把整组的 Value 计算出一个聚合值, 这个操作非常类似于 MapReduce 中的 Reduce

调用

def reduceByKey(func: (V, V) ⇒ V): RDD[(K, V)]

参数

func → 执行数据处理的函数, 传入两个参数, 一个是当前值, 一个是局部汇总, 这个函数需要有一个输出, 输出就是这个 Key 的汇总结果

注意点

• ReduceByKey 只能作用于 Key-Value 型数据, Key-Value 型数据在当前语境中特指 Tuple2

• ReduceByKey 是一个需要 Shuffled 的操作

• 和其它的 Shuffled 相比, ReduceByKey是高效的, 因为类似 MapReduce 的, 在 Map 端有一个 Cominer, 这样 I/O 的数据便会减少

   //reduceByKey算子
    @Test
    def reduceByKeyTest():Unit={
      //创建RDD
      val rdd1 = sc.parallelize(Seq("Hello lilty","hello wen","lilty Hello"))
      //处理数据
      val rdd2 = rdd1.flatMap(item => item.split(" ")).map(item => (item,1)).reduceByKey((curr,agg)=>curr+agg)
      //得到结果
      val result=rdd2.collect()
      //打印
      result.foreach(item => println(item))
      //关闭sc
      sc.stop()
    }

  

   

   reduceByKey第一步是按照Key进行分组，然后对每一组进行聚合得到结果

•