Scala版RDD基本操作

开始学习用scala写spark啦,首先当然是介绍一下RDD的操作啦:

1、创建SparkSession

在Spark2.1中,SparkSession包括了SparkContext,若想使用SparkContext,用sc.sparkContext即可

//创建一个SparkSession,在Spark2.1中,SparkSession包括了SparkContext,若想使用SparkContext,用sc.sparkContext即可
    val sc = SparkSession
      .builder()
      .appName("ttt")
      //.enableHiveSupport()
      .getOrCreate()

2、RDD创建

      //创建intRDD
    val intRDD = sc.sparkContext.parallelize(List(3,1,2,5,5))
    print("打印intRDD的结果:"+intRDD.collect().mkString(","))

    val stringRDD = sc.sparkContext.parallelize(List("Apple","Orange","Banana","Grape","Apple"))
    println("打印stringRDD的结果"+stringRDD.collect().mkString(","))

3、单个RDD转换运算

    println("*************************单个RDD转换运算**********************")
    def addOne(x:Int):Int =
    {
      return (x+1)
    }
    //map运算:对RDD中每一个元素做一个转换操作,生成一个新的RDD
    println("使用具体的函数完成map运算:"+intRDD.map(addOne).collect().mkString(","))
    println("使用匿名函数完成map运算:"+intRDD.map(x=>x+1).collect().mkString(","))
    println("使用匿名函数和匿名参数完成map运算:"+intRDD.map(_+1).collect().mkString(","))

    println("使用匿名函数完成map运算:"+stringRDD.map(x=>"fruit"+x).collect().mkString(","))

    //filter运算:对RDD中每一个元素进行筛选,生成一个新的RDD
    println("使用匿名函数筛选intRDD中小于5的元素:"+intRDD.filter(x=>x < 5).collect().mkString(","))
    println("使用匿名函数和匿名参数筛选intRDD中小于5的元素:"+intRDD.filter(_ < 5).collect().mkString(","))
    println("使用匿名函数筛选stringRDD中包含ra的元素:"+stringRDD.filter(x=>x.contains('ra)).collect().mkString(","))

    //distinct运算:对RDD中元素进行去重
    println("对intRDD元素进行去重"+intRDD.distinct().collect().mkString(","))
    println("对StringRDD元素进行去重"+stringRDD.distinct().collect().mkString(","))

    //randomSplit运算,按照指定的比例将RDD进行划分
    val sRDD = intRDD.randomSplit(Array(0.4,0.6))
    println("分割后第一个RDD为:"+sRDD(0).collect().mkString(","))
    println("分割后第二个RDD为:"+sRDD(1).collect().mkString(","))

    //groupBy运算:可以按照传入的匿名函数规则,将数据分为多个Array,返回Array[(String,Iterable[Int])]
    val gRDD = intRDD.groupBy(x => {if(x%2==0) "even" else "odd"}).collect()
    println("偶数数组为:"+gRDD(0))
    println("奇数数组为:"+gRDD(1))

4、多个RDD转换运算

    println("*************************多个RDD转换运算**********************")
    val intRDD1 = sc.sparkContext.parallelize(List(3,1,2,5,5))
    val intRDD2 = sc.sparkContext.parallelize(List(5,6))
    val intRDD3 = sc.sparkContext.parallelize(List(2,7))

    //并集运算,并不会去重,两种方式实现
    println("使用union实现并集运算:"+intRDD1.union(intRDD2).union(intRDD3).collect().mkString(","))
    println("使用++实现并集运算:"+(intRDD1 ++ intRDD2 ++ intRDD3).collect().mkString(","))

    //交集运算
    println("使用intersection实现交集运算:"+intRDD1.intersection(intRDD2).collect().mkString(","))

    //差集运算
    println("使用subtract实现差集运算:"+intRDD1.subtract(intRDD2).collect().mkString(","))

    //笛卡尔积运算
    println("使用cartesian实现笛卡尔积运算:"+intRDD1.cartesian(intRDD2).collect().mkString(","))

5、基本动作运算

    println("*************************基本动作运算**********************")
    //读取第1条数据
    println("intRDD第一条数据为:"+intRDD.first())

    //读取前n条数据
    println("intRDD的前两条数据为:"+intRDD.take(2))

    //按照从小到大排序,并读取前N条数据
    println("intRDD从小到大排序的前3条数据为:"+intRDD.takeOrdered(3))

    //按照从大到小排,并读取前N条数据
    println("intRDD从大到小排序的前3条数据为:"+intRDD.takeOrdered(3)(Ordering[Int].reverse))

    //返回RDD的统计数据
    println("intRDD的统计数据为:"+intRDD.stats())

    //返回最小值
    println("intRDD的最小值为:"+intRDD.min())

    //返回最大值
    println("intRDD的最大值为:"+intRDD.max())

    //返回标准差
    println("intRDD的标准差为:"+intRDD.stdev())

    //返回计数
    println("intRDD的计数为:"+intRDD.count())

    //返回求和值
    println("intRDD中元素的和为:"+intRDD.sum())

    //返回平均值
    println("intRDD中元素的平均值为:"+intRDD.mean())

6、基本key-value转换运算

    println("*************************基本key-value转换运算**********************")
    //创建一个key-valueRDD
    val kvRDD = sc.sparkContext.parallelize(List((3,4),(3,6),(5,6),(1,2)))

    //得到key的集合
    println("kvRDD中key的集合为:"+kvRDD.keys.collect().mkString(","))

    //得到value的集合
    println("kvRDD中value的集合为:"+kvRDD.values.collect().mkString(","))

    //使用filter进行过滤
    println("kvRDD中key小于5的元素有:"+kvRDD.filter{case (key,value)=>key<5}.collect().mkString(","))
    println("kvRDD中value小于5的元素有:"+kvRDD.filter{case (key,value) => value<5}.collect().mkString(","))

    //使用mapValues函数对每个value进行类似于map的运算,返回一个新的RDD
    println("kvRDD中value平方后的结果为:"+kvRDD.mapValues(x => x * x).collect().mkString(","))

    //sortByKey按照key进行排序,默认参数为true,即升序排序,false为降序排序
    println("kvRDD的升序排序结果为:"+kvRDD.sortByKey(true).collect().mkString(","))
    println("kvRDD的升序排序结果为:"+kvRDD.sortByKey().collect().mkString(","))
    println("kvRDD的降序排序结果为:"+kvRDD.sortByKey(false).collect().mkString(","))

    //reduceByKey会对相同key值的元素进行操作,比如求和
    println("使用匿名函数并按照相同key值对kvRDD元素进行求和操作的结果为:"+kvRDD.reduceByKey((x,y)=>x+y).collect())
    println("使用匿名函数和匿名参数并按照相同key值对kvRDD元素进行求和操作的结果为:"+kvRDD.reduceByKey(_+_).collect())

7、多个key-value转换运算

    println("*************************多个key-value转换运算**********************")
    val kvRDD1 = sc.sparkContext.parallelize(List((3,4),(3,6),(5,6),(1,2)))
    val kvRDD2 = sc.sparkContext.parallelize(List((3,8)))

    //join运算类似于内链接
    println("两个RDD内链接的结果为:"+kvRDD1.join(kvRDD2).collect().mkString(","))

    //leftOuterJoin是左外链接
    println("两个RDD左外链接的结果为:"+kvRDD1.leftOuterJoin(kvRDD2).collect().mkString(","))

    //rightOuterJoin是右外链接
    println("两个RDD右外链接的结果为:"+kvRDD1.rightOuterJoin(kvRDD2).collect().mkString(","))

    //subtractByKey运算会删除相同key值的元素
    println("删除重复key值元素后结果为:"+kvRDD1.subtractByKey(kvRDD2).collect().mkString(","))

8、key-value动作运算

    println("*************************key-value动作运算**********************")

    //得到第一条数据
    println("kvRDD的第一条数据为:"+kvRDD.first())

    //得到前n条数据
    println("kvRDD的前两条数据为:"+kvRDD.take(2))

    //得到第一条数据的key和value值
    val kvFirst = kvRDD.first()
    println("kvRDD第一条数据的key为:"+kvFirst._1)
    println("kvRDD第一条数据的value为:"+kvFirst._2)

    //countByKey得到每一个Key值的条数
    println("kvRDD每个key值对应元素的数量为:"+kvRDD.countByKey().mkString(","))

    //创建一个key-value对照表,如果有相同的key值,只返回最后一个的value值
    var KV = kvRDD.collectAsMap()
    println("kvRDD中3对应的value为:"+KV(3))
    println("kvRDD中1对应的value为:"+KV(1))

    //使用lookup函数并输入key值来得到value值,与上面不同的是,如果key相同,会返回所有对应的value值
    println("kvRDD中3对应的value为:"+kvRDD.lookup(3))
    println("kvRDD中1对应的value为:"+kvRDD.lookup(1))

9、完整输出


打印intRDD的结果:3,1,2,5,5
打印stringRDD的结果Apple,Orange,Banana,Grape,Apple
*************************单个RDD转换运算**********************
使用具体的函数完成map运算:4,2,3,6,6
使用匿名函数完成map运算:4,2,3,6,6
使用匿名函数和匿名参数完成map运算:4,2,3,6,6
使用匿名函数完成map运算:fruitApple,fruitOrange,fruitBanana,fruitGrape,fruitApple
使用匿名函数筛选intRDD中小于5的元素:3,1,2
使用匿名函数和匿名参数筛选intRDD中小于5的元素:3,1,2
使用匿名函数筛选stringRDD中包含ra的元素:
对intRDD元素进行去重2,1,3,5
对StringRDD元素进行去重Orange,Apple,Grape,Banana
分割后第一个RDD为:1,2,5
分割后第二个RDD为:3,5
偶数数组为:(even,CompactBuffer(2))
奇数数组为:(odd,CompactBuffer(3, 1, 5, 5))
*************************多个RDD转换运算**********************
使用union实现并集运算:3,1,2,5,5,5,6,2,7
使用++实现并集运算:3,1,2,5,5,5,6,2,7
使用intersection实现交集运算:5
使用subtract实现差集运算:2,1,3
使用cartesian实现笛卡尔积运算:(3,5),(1,5),(3,6),(1,6),(2,5),(5,5),(5,5),(2,6),(5,6),(5,6)
*************************基本动作运算**********************
intRDD第一条数据为:3
intRDD的前两条数据为:[I@65a83d13
intRDD从小到大排序的前3条数据为:[I@7b2990cf
intRDD从大到小排序的前3条数据为:[I@5ad5dac5
intRDD的统计数据为:(count: 5, mean: 3.200000, stdev: 1.600000, max: 5.000000, min: 1.000000)
intRDD的最小值为:1
intRDD的最大值为:5
intRDD的标准差为:1.6
intRDD的计数为:5
intRDD中元素的和为:16.0
intRDD中元素的平均值为:3.2
*************************基本key-value转换运算**********************
kvRDD中key的集合为:3,3,5,1
kvRDD中value的集合为:4,6,6,2
kvRDD中key小于5的元素有:(3,4),(3,6),(1,2)
kvRDD中value小于5的元素有:(3,4),(1,2)
kvRDD中value平方后的结果为:(3,16),(3,36),(5,36),(1,4)
kvRDD的升序排序结果为:(1,2),(3,4),(3,6),(5,6)
kvRDD的升序排序结果为:(1,2),(3,4),(3,6),(5,6)
kvRDD的降序排序结果为:(5,6),(3,4),(3,6),(1,2)
使用匿名函数并按照相同key值对kvRDD元素进行求和操作的结果为:[Lscala.Tuple2;@42cbf60
使用匿名函数和匿名参数并按照相同key值对kvRDD元素进行求和操作的结果为:[Lscala.Tuple2;@70b78e39
*************************多个key-value转换运算**********************
两个RDD内链接的结果为:(3,(4,8)),(3,(6,8))
两个RDD左外链接的结果为:(1,(2,None)),(3,(4,Some(8))),(3,(6,Some(8))),(5,(6,None))
两个RDD右外链接的结果为:(3,(Some(4),8)),(3,(Some(6),8))
删除重复key值元素后结果为:(1,2),(5,6)
*************************key-value动作运算**********************
kvRDD的第一条数据为:(3,4)
kvRDD的前两条数据为:[Lscala.Tuple2;@f28fb14
kvRDD第一条数据的key为:3
kvRDD第一条数据的value为:4
kvRDD每个key值对应元素的数量为:1 -> 1,3 -> 2,5 -> 1
kvRDD中3对应的value为:6
kvRDD中1对应的value为:2
kvRDD中3对应的value为:WrappedArray(4, 6)
kvRDD中1对应的value为:WrappedArray(2)

 
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 211,817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 90,329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 157,354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 56,498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 65,600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 49,829评论 1 290
  • 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 38,979评论 3 408
  • 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 37,722评论 0 266
  • 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 44,189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 36,519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 38,654评论 1 340
  • 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 34,329评论 4 330
  • 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 39,940评论 3 313
  • 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 30,762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 31,993评论 1 266
  • 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 46,382评论 2 360
  • 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 43,543评论 2 349

推荐阅读更多精彩内容