Spark编程模型(下)

创建Pair RDD

 什么是Pair RDD

  • 包含键值对类型的RDD类型被称作Pair RDD;
  • Pair RDD通常用来进行聚合计算;
  • Pair RDD通常由普通RDD做ETL转化而来。
    Python:
        pairs = lines.map(lambda x: (x.split(" ")[0], x))
    
    Scala:
        val pairs = lines.map(x => (x.split(" ")(0), x))
    
    Java:
        PairFunction<String, String, String> keyData = new PairFunction<String, String, String>() {
        public Tuple2<String, String> call(String x){
             return new Tuple(x.split(" ")[0], x);
        }      
    };
        JavaPairRDD<String, String> pairs = lines.mapToPair(keyData);

 

Pair RDD的transformation操作

  Pair RDD可以使用所有标准RDD上的转化操作(见博文Spark编程模型(中)),还提供了特有的转换操作。

 

  下面给大家示范一个操作,其它的自行去尝试。

[hadoop@masternode ~]$ cd /home/hadoop/app/spark-2.2.0/bin/
[hadoop@masternode bin]$ ./spark-shell  //进入Spark Shell模式
scala> val rdd = sc.parallelize(Array((1,2),(3,4),(3,6)))
rdd: org.apache.spark.rdd.RDD[(Int, Int)] = ParallelCollectionRDD[0] at parallelize at <console>:24
    //其中parallelize()方法的作用是从一个集合创建RDD,本例中时从一个Array()创建
scala> rdd.take(3)
res0: Array[(Int, Int)] = Array((1,2), (3,4), (3,6))
scala> rdd.reduceByKey((x,y)=>x+y).take(2)  //合并key相同的项 
res3: Array[(Int, Int)] = Array((1,2), (3,10))

 

Pair RDD的action控制

   所有的基础RDD支持的行动操作也都在Pair RDD上可用。

 

Pair RDD的分区控制

  • Spark 中所有的键值对RDD 都可以进行分区控制---自定义分区
  • 自定义分区的好处:

    1)避免数据倾斜

    2)控制task并行度

  自定义分区方式:

class DomainNamePartitioner(numParts: Int) extends Partitioner {
    override def numPartitions: Int = numParts
    override def getPartition(key: Any): Int = {
        val domain = new Java.net.URL(key.toString).getHost()
        val code = (domain.hashCode % numPartitions)
        if(code < 0) {
            code + numPartitions // 使其非负
        }else{
            code
        }
    }
    // 用来让Spark区分分区函数对象的Java equals方法
    override def equals(other: Any): Boolean = other match {
        case dnp: DomainNamePartitioner =>
            dnp.numPartitions == numPartitions
        case _ =>
            false
    }
}

 

  

以上就是博主为大家介绍的这一板块的主要内容,这都是博主自己的学习过程,希望能给大家带来一定的指导作用,有用的还望大家点个支持,如果对你没用也望包涵,有错误烦请指出。如有期待可关注博主以第一时间获取更新哦,谢谢!

posted @ 2018-09-19 16:03  子墨言良  阅读(226)  评论(0编辑  收藏  举报