学习 Spark 2(二):RDD 创建

栏目: 编程工具 · 发布时间: 7年前

内容简介:学习 Spark 2(二):RDD 创建

创建

内存

通过调用 sc.parallelize 方法,可以将 Driver 内存中的序列(Scala Seq)并行化为 RDD

val data = Seq(1, 2, 3, 4, 5, 6)  
val rdd1 = sc.parallelize(data)  
val rdd2 = sc.parallelize(data, 2) // 指定2个分区

文件系统

支持的文件系统:

  • 本地( 注意:是 Worker 本地文件系统,不是 Driver 本地文件系统 ) file://
  • HDFS hdfs://

支持的文件格式:

SparkContext.textFile

  • 按行读取文本文件
  • 支持读取目录、压缩文件
  • 路径支持通配符
  • 多个路径使用逗号分隔

通配符支持正则表达式如下:

  • ? 匹配一个字符
    • 匹配零到多个字符
  • [abc] 匹配字符集 {a,b,c} 中一个字符
  • [a-b] 匹配字符区间 {a...b} 中一个字符
  • [^a] 匹配不是字符集或字符区间 {a} 中一个字符
  • {ab,cd} 匹配字符串集 {ab,cd} 中一个字符串
// 读取路径下所有 JSON 文件
val rdd = sc.textFile("/data/user/*.json")

SparkContext.wholeTextFiles

  • 按文件读取目录,返回 PairRDD,键为文件名 值为文件内容

以上所述就是小编给大家介绍的《学习 Spark 2(二):RDD 创建》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

深入分析Java Web技术内幕(修订版)

深入分析Java Web技术内幕(修订版)

许令波 / 电子工业出版社 / 2014-8-1 / CNY 79.00

《深入分析Java Web技术内幕(修订版)》新增了淘宝在无线端的应用实践,包括:CDN 动态加速、多终端化改造、 多终端Session 统一 ,以及在大流量的情况下,如何跨越性能、网络和一个地区的电力瓶颈等内容,并提供了比较完整的解决方案。 《深入分析Java Web技术内幕(修订版)》主要围绕Java Web 相关技术从三方面全面、深入地进行了阐述。首先介绍前端知识,即在JavaWeb ......一起来看看 《深入分析Java Web技术内幕(修订版)》 这本书的介绍吧!

URL 编码/解码
URL 编码/解码

URL 编码/解码

SHA 加密
SHA 加密

SHA 加密工具

HEX HSV 转换工具
HEX HSV 转换工具

HEX HSV 互换工具