【菜鳥シリーズ】spark常用演算子まとめ(scala、java)--map,flatMap,flatMapToPair
8507 ワード
map,flatMap,flatMapToPairは最もよく使われる演算子であり、map演算子の入力と出力は一対一であり、すなわち、子RDDのパーティションと親RDDのパーティションとの一対一の関係である.flatMapはフラットで、入力と出力は一対多の関係です.注意すべきは、scalaバージョンのmapはRDDをPairRDDに変換することができるが、javaバージョンでは、この機能はmapToPair関数によって実現され、PairFunction関数を実現する必要がある.scalaバージョンにはflatMapToPair関数はなく、まずflatMap、mapで実現されています.JAvaバージョンのflatMapToPairは、PairFlatMapFunction関数を実装する必要があります.JAvaバージョンのflatMapはFlatMapFunctionを実装しています
scala mapサンプル
flatMapサンプル
wordcount
=====================================================
flatMapは入力と一対多の関係であり,反復可能なlistを返す.
flatMapToPair注意戻り値、戻りはlist、中にtuple 2が封入されています
後続は更に多くの常用演算子を補充することができて、注目して下さい、この文のオリジナル、転載は出典を明記してください
scala mapサンプル
val conf = new SparkConf().setAppName("jiangtao_demo").setMaster("local")
val sc = new SparkContext(conf)
val data = sc.makeRDD(List("pandas pip","numpy","pip","pip","pip"))
//map ,scala map rdd pairrdd,java ,map mapToPair
val rdd1 = data.map((_,1))
flatMapサンプル
val conf = new SparkConf().setAppName("jiangtao_demo").setMaster("local")
val sc = new SparkContext(conf)
val data = sc.makeRDD(List("pandas pip","numpy","pip","pip","pip"))
//flatMap , , 6
val rdd2 = data.flatMap(_.split(" "))
wordcount
sc.textFile("hdfs://bjdx_clusters/test").flatMap(_.split(" ")).map((_+_)).reduceByKey(_+_)
=====================================================
SparkConf conf = new SparkConf().setAppName("jiangtao_demo").setMaster("local");
JavaSparkContext jsc = new JavaSparkContext(conf);
// JavaRDD
JavaRDD lines = jsc.parallelize(Arrays.asList("pandas pip","numpy","pip","pip","pip"));
//map newTail
JavaRDD<String> mapResult = lines.map(new Function<String,String>() {
@Override
public String call(String o) throws Exception {
return o.concat("newTail");
}
});
//map ,
JavaRDDString,Integer>>> maprdd = lines.map(new Function<String,IterableString,Integer>>>(){
public IterableString,Integer>> call(String line) throws Exception{
String[] fields = line.split(" ");
ArrayListString,Integer>> al = new ArrayListString,Integer>>();
for(int i=0; inew Tuple2(fields[i],1));
}
return al;
}
});
//map
// :[[(pandas,1), (pip,1)], [(numpy,1)], [(pip,1)], [(pip,1)], [(pip,1)]]
JavaRDDString,Integer>>> maprdd = lines.map(new Function<String,IterableString,Integer>>>(){
public IterableString,Integer>> call(String line) throws Exception{
String[] fields = line.split(" ");
ArrayListString,Integer>> al = new ArrayListString,Integer>>();
for(int i=0; inew Tuple2(fields[i],1));
}
return al;
}
});
flatMapは入力と一対多の関係であり,反復可能なlistを返す.
JavaRDD<String> flatMapResult = lines.flatMap(new FlatMapFunction<String,String>() {
@Override
public Iterable<String> call(String line) throws Exception {
return Arrays.asList(line.toString().split(" "));
}
});
flatMapToPair注意戻り値、戻りはlist、中にtuple 2が封入されています
JavaPairRDD<String,Integer> result1 = lines.flatMapToPair(new PairFlatMapFunction<String,String,Integer>(){
@Override
public IterableString,Integer>> call(String line) throws Exception {
String[] fields = line.split(" ");
ArrayListString,Integer>> al = new ArrayListString,Integer>>();
for(int i=0; inew Tuple2<String,Integer>(fields[i],1));
}
return al;
}
});
後続は更に多くの常用演算子を補充することができて、注目して下さい、この文のオリジナル、転載は出典を明記してください