pySpark学习

《Spark快速大数据分析》笔记

from pyspark import SparkConf, SparkContext
conf = SparkConf().setMaster("local").setAppName("My App")
sc = SparkContext(conf = conf)

 

pyspark的初始化，也就是入口，setMaster是指定连接的集群，setAppName是指应用名

 

有时候，我们希望对每个输入元素生成多个输出元素。实现该功能的操作叫作 flatMap()。
和 map() 类似，我们提供给 flatMap() 的函数被分别应用到了输入 RDD 的每个元素上。不
过返回的不是一个元素， 而是一个返回值序列的迭代器。

 

我们在图 3-3 中阐释了 flatMap() 和 map() 的区别。你可以把 flatMap() 看作将返回的迭代器
“拍扁”，这样就得到了一个由各列表中的元素组成的 RDD，而不是一个由列表组成的 RDD。
图 3-3： RDD 的 flatMap() 和 map() 的区别

 

 

 

这一段没看懂：