Spark基础入门之深入理解RDD

1. 什么是RDD?(**弹性分布式数据集**,是spark中最基本的数据抽象,它代表一个不可变、可分区、里面的元素可并行计算的集合)

- **R(Resilient)**: 表示弹性,rdd内部的元素可以存在磁盘也可存在内存中

- **D(Distributed)**: 它内部的元素进行了分布式存储,方便后期的分布式计算

- **D(Dataset)**: 它就是一个集合,存储很多数据

2. RDD的五大属性

1)A list of partitions, **数据集的基本组成单位**

```

一个RDD有很多分区,每个分区内部包含了该rdd的部分数据。

```

2)A function for computing each split, **一个计算每个分区的函数**

```

Spark中的RDD的计算是以分区为单位的,每个RDD都会实现compute计算函数以达到整个目的。

```

3)A list of dependencies on other RDDs, **一个RDD可以依赖其他多个rdd**

```

这里涉及到rdd与rdd之间的依赖关系,spark的容错机制就是根据这个特性而来。

```

4)Optionally, a partitioner for key-value RDDs (e.g. to say that the RDD is hash-partitioned), **一个Partitioner,即RDD的分区函数(可选项)**

```

当前Spark(版本)中实现了两种类型的分区函数:HashPartitioner&RangePartitioner.只有对于key-value的RDD,并且产生shuffle,才会有partitioner,非key-value的RDD的partitioner的值是None.

```

5)Optionally,a list of preferred locations to compute each split on (e.g. block locations for an HDFS file), **一个列表,存储每个partition的优先位置(可选项)**

```

这里涉及到数据的本地性,数据块位置最优。spark任务在调度的时候会优先考虑存有数据的节点开启计算任务,减少数据的网络传输,提升计算效率。

```

3. RDD的创建方式

- 通过已经存在的scala集合去构建

```

val rdd1=sc.parallelize(List(1,2,3,4))

val rdd2=sc.parallelize(Array("hadoop","hive","spark"))

val rdd3=sc.makeRDD(List(1,2,3,4))

```

- 加载外部的数据源去构建

```

val rdd1=sc.textFile("/words.txt")

```

- 从已经存在的rdd进行转换生成一个新的rdd

```

val rdd2=rdd1.flatMap(_.split(" "))

val rdd3=rdd2.map((_,1))

```

4. RDD的算子分类

- transformation(转换)

- 根据已经存在的rdd转换生成一个新的rdd,它是延迟加载,它不会立即执行

- 例如

- map/flatMap/reduceByKey等

- action(动作)

- 它会真正触发任务的执行

- 将rdd的计算的结果数据返回给Driver端,或者是保存结果数据到外部存储介质中

- 例如

- collect/saveAsTextFile等

5. RDD常见的算子操作说明

- **transformation算子**

转换 |含义 |

--- | --- |

map(func) | 返回一个新的RDD,该RDD由每一个输入元素经过func函数转换后组成 |

filter(func)|返回一个新的RDD,该RDD经过func函数计算后返回值为true的输入元素组成|

flatMap(func)|类似于map,但是每一个输入元素可以被映射为0或多个输出元素(所以func应该反回一个序列,而不是单一元素)

mapPartitions(func)|类似于map,但独立在RDD的每一个分片上运行,因此在类型为T的RDD上运行时,func函数类型必须是Iterator[T]=>Iteator[U} |

mapPartitionsWithIndex(func)| |

union(otherDataset)| |

intersection(other Datesel)| |

- action算子

6. RDD常用的算子操作演示(略)

©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 212,686评论 6 492
  • 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 90,668评论 3 385
  • 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 158,160评论 0 348
  • 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 56,736评论 1 284
  • 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 65,847评论 6 386
  • 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 50,043评论 1 291
  • 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 39,129评论 3 410
  • 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 37,872评论 0 268
  • 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 44,318评论 1 303
  • 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 36,645评论 2 327
  • 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 38,777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 34,470评论 4 333
  • 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 40,126评论 3 317
  • 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 30,861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 32,095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 46,589评论 2 362
  • 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 43,687评论 2 351

推荐阅读更多精彩内容

  • Spark的算子的分类 从大方向来说,Spark 算子大致可以分为以下两类: 1)Transformation 变...
    姚兴泉阅读 1,402评论 0 6
  • Spark的算子的分类 从大方向来说,Spark 算子大致可以分为以下两类: 1)Transformation 变...
    达微阅读 864评论 0 6
  • Spark大数据分析实战 1.4弹性分布式数据集本节将介绍弹性分布式数据集RDD。Spark是一个分布式计算框架,...
    Albert陈凯阅读 850评论 0 0
  • (1)浏览器兼容问题一:不同浏览器的标签默认的外补丁和内补丁不同问题症状:随便写几个标签,不加样式控制的情况下,各...
    ctmdtutu阅读 239评论 0 1
  • 毕业两年来,多久没看书,多久没思考,多久没坚持做一件事,多久没爱上做一件事。时间过得飞快,快到没给我留下一些可以回...
    潇潇ers阅读 163评论 0 2