Spark Programming by Java——RDD基本操作
2016-04-15 17:41
489 查看
在一个内容为{1, 2, 3, 3}的RDD上进行的基本操作
Java实现基本代码
函数名(表现形式为scala) | 目的 | 示例 | 结果 |
---|---|---|---|
collect() | 返回RDD中的所有元素 | rdd.example() | {1, 2, 3, 4} |
count() | RDD中的元素数目 | rdd.count() | 4 |
countByValue() | RDD中每个元素的出现次数 | rdd.countByValue() | {(1,1),(2,1),(3,2)} |
take(num) | 返回RDD中num个数量的元素 | rdd.take(2) | {1,2} |
top(num) | 返回RDD中最大的num个元素 | rdd.top(2) | {3,3} |
takeOrdered(num)(ordering) | 根据你给的排序方法返回一个元素序列 | rdd.takeOrdered(2)(myOrdering) | {3, 3} |
takeSample(withReplacement, num, [speed]) | 随机返回num个元素 | rdd.takeSample(false, 1) | 无值 |
reduce(func) | 在一次遍历中合并RDD中所有的元素(例如,求和) | rdd.reduce((x, y) => x + y) | 9 |
fold(zero)(func) | 和reduce功能一样,但是提供一个初值 | rdd.fold(0)((x, y) => x + y) | 9 |
aggregate(zeroValue)(seqOp, comOp) | 和reduce()函数类似,但是用于返回不同的数据类型 | rdd.aggregate((0, 0)) ((x, y) =>(x._1 + y, x._2 + 1), (x, y) =>(x._1 + y._1, x._2 + y._2)) | (9,4) |
foreach(func) | 将RDD中所有的元素都用于提供的方法 | rdd.foreach(func) | nothing |
import java.util.Arrays; import java.util.List; import org.apache.spark.SparkConf; import org.apache.spark.api.java.JavaRDD; import org.apache.spark.api.java.JavaSparkContext; import org.apache.spark.api.java.function.Function2; import org.apache.spark.api.java.function.VoidFunction; public class SimpleRDD { public static void main(String[] args) { SparkConf conf = new SparkConf().setMaster("local").setAppName("SimpleRDD"); JavaSparkContext sc = new JavaSparkContext(conf); JavaRDD<Integer> rdd = sc.parallelize(Arrays.asList(1, 2, 3 ,3), 2); System.out.println("rdd collect" + rdd.collect()); System.out.println("rdd count" + rdd.count()); System.out.println("rdd countByValue" + rdd.countByValue()); System.out.println("rdd take" + rdd.take(2)); System.out.println("rdd top" + rdd.top(2)); System.out.println("rdd takeOrdered" + rdd.takeOrdered(2)); System.out.println("rdd reduce" + rdd.reduce((x, y) -> x + y)); System.out.println("rdd fold" + rdd.fold(0, (x, y) -> x+y)); System.out.println("rdd aggregate test"); List<Integer> data = Arrays.asList(5, 1, 1, 4, 4, 2, 2); JavaRDD<Integer> javaRDD = sc.parallelize(data, 2); Integer aggregateValue = javaRDD.aggregate(3, new Function2<Integer, Integer, Integer>() { @Override public Integer call(Integer v1, Integer v2) throws Exception { System.out.println("seq~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~" + v1 + "," + v2); return Math.max(v1, v2); } }, new Function2<Integer, Integer, Integer>() { int i = 0; @Override public Integer call(Integer v1, Integer v2) throws Exception { System.out.println("comb~~~~~~~~~i~~~~~~~~~~~~~~~~~~~"+i++); System.out.println("comb~~~~~~~~~v1~~~~~~~~~~~~~~~~~~~" + v1); System.out.println("comb~~~~~~~~~v2~~~~~~~~~~~~~~~~~~~" + v2); return v1 + v2; } }); System.out.println("~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~"+aggregateValue); System.out.println("foreach"); rdd.foreach(new VoidFunction<Integer>() { @Override public void call(Integer t) throws Exception { System.out.println(t); } }); } }
相关文章推荐
- 【Java】Socket入门 [二]
- java对象和json对象之间互相转换例子
- Project facet Java version 1.8 is not supported.错误提示解决方法
- DecimalFormat类——Java中字符串类型的数字加减报错和精度缺失的解决办法
- java反射代理学习
- Java中的多线程(五)之死锁演示
- org.springframework.beans.factory.BeanCreationException: Error creating bean with name 'baseDAOFacto
- Spring MVC事务配置
- javaSocket多次传输没有重新初始化的一个对象接收端只会接收到第一个对象的值
- java 1.7之后的Arraylist容量增长机制
- Java学习路线
- 2.Java之if语句及三目运算符
- Java中参数的引用传递和值传递
- 对于MyEclipse整合git上的maven项目导入
- spring mvc @ModelAttribute注解使用
- Dubbo java.io.IOException: Can not lock the registry cache file
- [转]Java8 lambda表达式及新特新
- Java泛型中的? super T语法
- Spring下对Quartz的使用
- eclipse几个注意的地方