RDD简介：spark中的rdd就是一个不可变的分布式对象集合。每个rdd都被分为多个分区，这些分区运行在集群中不同的节点上。rdd可以包含python，java，scala中任意类型的对象，甚至可以包含用户自定义对象。RDD支持两种类型的操作：一是转化操作，一个是行动操作，转化操作返回的是RDD, 行动操作返回的是其他类型。创建RDD:创建RDD最简单的方式是吧程序中一个已有的集合传给Spar
转载
2024-01-17 08:09:28
45阅读
pipe(command, [envVars])对于每个分区，都执行一个perl或者shell脚本，返回输出的RDD1
2
3
4
5
6
7
8
9
10
11scala> val rdd = sc.makeRDD(List("wangguo","yangxiu","xiaozhou","kangkang"),3)
rdd: org.apache.spark.rdd.RDD[S
原创
2023-05-31 11:12:24
217阅读
一.RDD是什么 RDD是Spark提供的核心抽象，全称为Resillient Distributed Dataset，即弹性分布式数据集。 在spark的源码里面我们可以看到，rdd是被abstract所修饰的，他是一个抽象类，它代表一个不可变，可分区，里面的元素可并行计算的集合。 而在spark的工作流程中，RDD的主要作用是对数据进行结构的转换，在对RDD的方法源码中可以看到，方法传参
转载
2023-07-28 21:13:54
739阅读
spark分区的使用
RDD是弹性分布式数据集，通常RDD很大，会被分成多个分区，保存在不同节点上。那么分区有什么好处呢？分区能减少节点之间的通信开销，正确的分区能大大加快程序的执行速度。我们看个例子首先我们要了解一个概念，分区并不等同于分块。分块是我们把全部数据切分成好多块来存储叫做分块。如上图b，产生的分块，每个分块都可能含有同样范围的数据。而分区，
转载
2023-07-18 11:07:03
94阅读
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、基本概念1.RDD的生成2.RDD的存储3.Dependency4.Transformation和Action4.1 Transformation操作可以分为如下几种类型：4.1.1 视RDD的元素为简单元素。4.1.2 视RDD的元素为Key-Value对:4.2 Action操作可以分为如下几种：5.shuffl
转载
2023-11-14 09:26:59
105阅读
窄依赖所谓窄依赖就是说子RDD中的每个分区（partition）只依赖于父RDD中有限个数的partition。在API中解释如下： 窄依赖在代码中有两种具体实现，一种是一对一的依赖：OneToOneDependency，从其getparent方法中不难看出，子RDD只依赖于父 RDD相同ID的Partition。另外一种是范围的依赖，RangeDependency，它仅仅被org.apache
转载
2023-06-11 15:26:05
137阅读
是什么 SparkSql 是Spark提供的 高级模块，用于处理结构化数据，开发人员可以使用HiveQL 和SQL语言 实现基于RDD的大数据分析， 底层基于RDD进行操作，是一种特殊的RDD，DataFrameRDD类型 1. 将SQL查询与Spark无缝混合，可以使用SQL或者Da
转载
2023-08-10 20:44:14
114阅读
1.1 什么是Spark SQL Spark SQL是Spark用来处理结构化数据的一个模块，它提供了一个编程抽象叫做DataFrame并且作为分布式SQL查询引擎的作用 它是将Hive SQL转换成MapReduce然后提交到集群上执行，大大简化了编写MapReduce的程序的复杂性，由于MapReduce这种计算模型执行效率比较慢。所有S
转载
2023-07-11 20:00:57
108阅读
一、Spark包括什么spark的核心是Spark Core，其中上面的Spark Sql对接的是Hive等结构化查询，Spark Streaming是对接的流式计算，后面的那两个也是主要用在科学任务中，但是他们的基础都是spark core，而Spark core的核心就是RDD操作，RDD的操作重要的就是算子，也就是说，掌握了算子基本上就掌握了spark的基础。二、RDD1、是什么？ 
Spark最重要的一个功能是它可以通过各种操作（operations）持久化（或者缓存）一个集合到内存中。当你持久化一个RDD的时候，每一个节点都将参与计算的所有分区数据存储到内存中，并且这些数据可以被这个集合（以及这个集合衍生的其他集合）的动作（action）重复利用。这个能力使后续的动作速度更快（通常快10倍以上）。对应迭代算法和快速的交互使用来说，缓存
转载
2023-07-31 23:16:19
75阅读
弹性分布式数据集（RDD）不仅仅是一组不可变的JVM(Java虚拟机) 对象的分布集，可以让你执行高速运算，而且是Apark Spark的核心。顾名思义，该数据集是分布式的。基于某个关键字，该数据集被划分成多块，同时分发到执行结点。这样做可以使得此类数据集能够执行高速执行运算。另外，RDD将跟踪（记入日志）应用于每个块的所有转换，以加快计算速度，并在发生错误和部分数据丢失时提供回退。在这种情况...
原创
2021-08-04 13:56:33
192阅读
RDD是“Resilient Distributed Dataset”的缩写，从全称就可以了解到RDD的一些典型特性。Resilient（弹性）：RDD之间会形成有向无，数据库等。
原创
2024-04-30 14:59:51
316阅读
1. Tranformation
val lines=sc.textFile(file:///usr/local/spark/mycode/rdd/word.txt)
### #1. map map(func) 将每个元素传递给函数 func 中，并将返回结果返回为一个新的数据集
scala> val data=Array(1,2,3,4,5)
scala> val rd
转载
2023-11-09 16:22:41
60阅读
1基本RDD1.1 针对各个元素的转化操作map()、filter()两个最常用的转化操作是map()和filter()。转化操作map()接收一个函数，把这个函数用于RDD中的每个元素，每个元素经函数的返回结果作为新RDD中对应元素的值。而转化操作filter()则接收一个函数，并将RDD中满足该函数的元素放入新RDD中返回。 例如，用map()对RDD中的所有数求平方：val input =
转载
2023-10-14 02:06:03
121阅读
Spark最基本、最根本的数据抽象
RDD基于内存，提高了迭代式、交互式操作的性能
RDD是只读的，只能通过其他RDD批量操作来创建，提高容错性 另外RDD还具有位置感知性调度和可伸缩性
RDD只支持粗粒度转换，记录Lineage，用于恢复丢失的分区，从物理存储的数据计算出相应的RDD分区
 
转载
2024-06-11 16:53:40
34阅读
文章目录一、提出任务二、完成任务（一）、新建Maven项目（二）、添加相关日志依赖和构建插件（三）、创建日志属性文件（四）、创建分组排行榜榜单单例对象（五）本地运行程序，查看结果（六）交互式操作查看中间结果1、读取成绩文件得到RDD2、利用映射算子生成二元组构成的RDD3、按键分组得到新的二元组构成的RDD4、按值排序，取前三5、按指定格式输出结果 一、提出任务分组求TOPN是大数据领域常见的需
转载
2023-10-29 00:33:31
136阅读
spark RDD目录spark RDD关于sparkRDD基本概念学习对于RDD的基本操作主从节点的启动spark的初始化RDD创建调用parallelize()方法并行化生成RDD使用外部存储中的数据集生成RDD注意事项正式的、RDD的基础操作WordCount的例子RDD转化操作transformationRDD行动操作actions总结基本编程步骤总结没有做的实践操作导入并使用jar包集成
转载
2023-12-11 10:33:02
57阅读
一、学习Spark RDD RDD是Spark中的核心数据模型，一个RDD代表着一个被分区(partition)的只读数据集。 RDD的生成只有两种途径： 一种是来自于内存集合或外部存储系统； 另一种是通过转换操作来自于其他RDD； 一般需要了解RDD的以下五个接口： partition 分区，一个RDD会有一个或者多个分区 dependencies() RDD的依赖关系 preferredLo
转载
2023-07-28 21:14:58
149阅读
常用SparkRDD容易混淆的算子区别1.map与flatMap的区别# 初始化数据
val rdd1 = sc.parallelize(Array("hello world","i love you"))map# map算子
rdd1.map(_.split(" ")).collect
# map算子结果输出
res0: Array[Array[String]] = Array(Array(h
转载
2023-09-28 12:39:08
312阅读
弹性分布式数据集（RDD）不仅仅是一组不可变的JVM(Java虚拟机) 对象的分布集，可以让你执行高速运算，而且是Apark Spark的核心。顾名思义，该数据集是分布式的。基于某个关键字，该数据集被划分成多块，同时分发到执行结点。这样做可以使得此类数据集能够执行高速执行运算。另外，RDD将跟踪（记入日志）应用于每个块的所有转换，以加快计算速度，并在发生错误和部分数据丢失时提供回退。在这种情况...
原创
2022-03-15 14:06:34
172阅读
