Spark API 详解/大白话解释 之 RDD、partition、count、collect
RDD定义:
任何数据在Spark中都被转换为RDD。
一个RDD可以看成是一个数组
不过是分到各个分区,分布在不同的机器上,可并行处理。
分区的定义:
一个RDD有多个RDD分区
一个RDD分区只在一个机器上
一个机器可有多个RDD分区
http://stackoverflow.com/questions/31359219/relationship-between-rdd-partitions-and-nodes
由数据转换为RDD:
举例:从普通数组创建RDD,里面包含了1到9这9个数字,它们分别在3个分区中。这个RDD一共9个元素,每个元素含有一个数字
val a = sc.parallelize(1 to 9, 3)
举例:读取本地文件README.md来创建RDD,文件中的每一行就是RDD中的一个元素,分区是2
val b = sc.textFile("README.md",2)
count( )
返回RDD的元素个数
collect( )
返回整个RDD
相关推荐
Johnson0 2020-07-28
Hhanwen 2020-05-29
Hhanwen 2020-05-04
Hhanwen 2020-05-03
yanqianglifei 2020-02-22
Hhanwen 2020-07-05
zhixingheyitian 2020-05-29
Oeljeklaus 2020-05-29
zhixingheyitian 2020-05-28
粗茶淡饭 2020-05-27
Oeljeklaus 2020-04-19
yanqianglifei 2020-02-20
Kwong 2020-02-20
Johnson0 2020-02-01
hell0kitty 2020-01-25