Spark从入门到精通 RDDs, Accumulators, BroadcastVars

Spark从入门到精通 RDDs, Accumulators, BroadcastVars

  • 官方原文链接

  • 本文代码对应的git地址

  • 本文知识点
  • 思维导图源文件

  • 初始化spark并消除结果info日志

    val spark = SparkSession
          .builder()
          .master("local")
          .appName("RDDs, Accumulators, Broadcast Vars")
          .config("spark.some.config.option", "some-value")
          .getOrCreate()
    
    val rootLogger = Logger.getRootLogger()
    rootLogger.setLevel(Level.ERROR)
    
    val sc = spark.sparkContext
    
  • 创建RDD

    • parallelize
    val data = Array(1, 2, 3, 4, 5)
    val distData = sc.parallelize(data)
    
    val rdd = sc.parallelize(1 to 5)
    
    • 外部文件(textFile)
    val distFile = sc.textFile("/Users/didi/learn/learnSpark/src/main/resources/people.txt")
    
  • RDD操作

    • 打印

      rdd.foreach(x => print(x + " "))
      rdd.collect().foreach(println)
      rdd.take(n).foreach(println)
      
    • transformations(转换):延迟计算

      • map

        • map

          val rdd = sc.parallelize(1 to 5)
          val map = rdd.map(x => x * 2)
          
        • flatMap: 每个元素输入项都可以被映射到0个或多个的输出项,最终将结果”扁平化“后输出

          val fm = sc.parallelize(1 to 5)
                .flatMap(x => (1 to x))
          
      • 采样: sample(withReplacement, fraction, seed)

        val sample1 = sc.parallelize(1 to 20)
          .sample(false, 0.5, 1)
        
      • RDD交并集

        • 并集: union(ortherDataset)

          val unionRDD = sc.parallelize(1 to 3)
            .union(sc.parallelize(3 to 5))
          
        • 交集: intersection(otherDataset)

          val inRDD = sc.parallelize(1 to 3)
            .intersection(sc.parallelize(3 to 5))
          
      • 去重: distinct

        val disRDD = sc.parallelize(List(1, 2, 2, 3)).distinct()
        
      • 笛卡尔积操作: cartesian(otherDataset)

        val cartRDD = sc.parallelize(1 to 2)
          .cartesian(sc.parallelize(2 to 3))
        
      • 筛选: filter

        val ft = sc.parallelize(1 to 5)
          .filter(x => x >2)
        
      • Key-Value

        • reduceByKey

          val counts = distFile.map(s => (s, 1))
            .reduceByKey((a, b) => a + b)
          
        • sortByKey

          val scounts = distFile.map(s => (s, 1))
            .reduceByKey((a, b) => a + b)
            .sortByKey()
          
    • actions(执行)触发计算

      • reduce: 通过函数func先聚集各分区的数据集,再聚集分区之间的数据,func接收两个参数,返回一个值,值再做为参数继续传递给函数func,直到最后一个元素

        val actionRDD = sc.parallelize(1 to 10, 2)
        val reduceRDD = actionRDD.reduce(_ + _)
        
      • collect: 以数据的形式返回数据集中的所有元素

        actionRDD.collect().foreach(x => print(x + " "))
        
      • count: 返回数据集元素个数

        val countRDD = actionRDD.count()
        
      • first: 返回数据集的第一个元素

        val firstRDD = actionRDD.first()
        
      • take(n): 以数组的形式返回数据集上的前n个元素

        val takeRDD = actionRDD.take(5)
        
      • top(n): 按默认或者指定的排序规则返回前n个元素,默认按降序输出

        val topRDD = actionRDD.top(3)
        
      • takeOrdered(n,[ordering]): 按自然顺序或者指定的排序规则返回前n个元素

        val takeOrderedRDD = actionRDD.takeOrdered(3)
        
      • Key-Value

        val keyRDD = sc.parallelize(List(("a", 1), ("b", 2), ("a", 2), ("b", 3)))
        
        • countByKey: 统计每个key的个数

          val countByKeyRDD = keyRDD.countByKey()
          
        • collectAsMap: 不包含重复的key

          val collectAsMapRDD = keyRDD.collectAsMap()
          
        • lookup(k): 查找指定K的所有V值

          val lookupRDD = keyRDD.lookup("a")
          
      • saveAsTextFile(path): 将结果保存到指定的HDFS目录中

        rdd.saveAsTextFile(path)
        
    • persist(持久化)

      • persist()

        rdd.persist()
        
      • cache()

        rdd.cache()
        
    • Functions(函数)

      • 匿名函数

        val preFileLength = distFile.map(x => "pre" + x)
          .map(s => s.length)
          .reduce((a, b) => a + b)
        
      • 单例对象中的静态方法

        object MyFunctions {
            def fun1(s: String): String = {
              "pre" + s
            }}
        val funFileLength = distFile.map(MyFunctions.fun1)
          .map(s => s.length)
          .reduce((a, b) => a + b)
        
    • Shuffle 操作: shuffle 是spark 重新分配数据的一种机制,使得这些数据可以跨不同的区域进行分组。这通常涉及在 executors 和 机器之间拷贝数据,这使得 shuffle 成为一个复杂的、代价高的操作。包括repartition, coalesce, groupByKey, reduceByKey, cogroup, join等

    • 删除数据

      RDD.unpersist()
      
  • 共享变量 shared variables

    • Broadcast Vars(广播变量)

      val broadcastVar = sc.broadcast(Array(1, 2, 3))
      
    • Accumulators(累加器)

      val accum = sc.longAccumulator("my Accumulator")
      sc.parallelize(Array(1, 2, 3, 4)).foreach(x => accum.add(x))
      
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,752评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,100评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,244评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,099评论 1 286
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,210评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,307评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,346评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,133评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,546评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,849评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,019评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,702评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,331评论 3 319
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,030评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,260评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,871评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,898评论 2 351

推荐阅读更多精彩内容