spark2.x由浅入深深到底系列六之RDD java api调用scala api的原理

学习spark任何的技术之前，请正确理解spark，可以参考：正确理解spark

RDD java api其实底层是调用了scala的api来实现的，所以我们有必要对java api是怎么样去调用scala api，我们先自己简单的实现一个scala版本和java版本的RDD和SparkContext

一、简单实现scala版本的RDD和SparkContext

class RDD[T](value: Seq[T]) {
//RDD的map操作
def map[U](f: T => U): RDD[U] = {
new RDD(value.map(f))
}

def iterator[T] = value.iterator

}

class SparkContext {
//创建一个RDD
def createRDD(): RDD[Integer] = new RDD[Integer](Seq(1, 2, 3))

}

二、简单实现java版本的RDD和SparkContext

//这个时java中的一个接口
//我们可以将scala中的map需要的函数其实就是对应着java中的一个接口
package com.twq.javaapi.java7.function;
public interface Function<T1, R> extends Serializable {
R call(T1 v1) throws Exception;
}

//这边实现的java版的RDD和SparkContext其实还是用scala代码实现，只不过这些scala代码可以被java代码调用了
import java.util.{Iterator => JIterator}
import scala.collection.JavaConverters._
import com.twq.javaapi.java7.function.{Function => JFunction}
//每一个JavaRDD都会含有一个scala的RDD，用于调用该RDD的api
class JavaRDD[T](val rdd: RDD[T]) {

def map[R](f: JFunction[T, R]): JavaRDD[R] =
//这里是关键，调用scala RDD中的map方法
//我们将java的接口构造成scala RDD的map需要的函数函数
new JavaRDD(rdd.map(x => f.call(x)))
//我们需要将scala的Iterator转成java版的Iterator
def iterator: JIterator[T] = rdd.iterator.asJava

}

//每个JavaSparkContext含有一个scala版本的SparkContext
class JavaSparkContext(sc: SparkContext) {
def this() = this(new SparkContext())
//转调scala版本的SparkContext来实现JavaSparkContext的功能
def createRDD(): JavaRDD[Integer] = new JavaRDD[Integer](sc.createRDD())
}

三、写java代码调用rdd java api

package com.twq.javaapi.java7;

import com.twq.javaapi.java7.function.Function;
import com.twq.rdd.api.JavaRDD;
import com.twq.rdd.api.JavaSparkContext;

import java.util.Iterator;

/**
* Created by tangweiqun on 2017/9/16.
*/
public class SelfImplJavaRDDTest {
public static void main(String[] args) {
//初始化JavaSparkContext
JavaSparkContext jsc = new JavaSparkContext();
//调用JavaSparkContext的api创建一个RDD
JavaRDD<Integer> firstRDD = jsc.createRDD();
//对创建好的firstRDD应用JavaRDD中的map操作
JavaRDD<String> strRDD = firstRDD.map(new Function<Integer, String>() {
@Override
public String call(Integer v1) throws Exception {
return v1 + "test";
}
});
//将得到的RDD的结果打印，结果为
//1test
//2test
//3test
Iterator<String> result = strRDD.iterator();
while (result.hasNext()) {
System.out.println(result.next());
}
}
}

以上就是RDD java api调用scala api的实现原理，虽然只举了map操作，但是其他的类似于flatMap操作的实现都是类似的

接下来可以详细了解RDD java的每一个api了

我们可以参考spark core RDD api来详细理解scala中的每一个api。。。