Spark API

Spark RDD API使用说明(一)

1、aggregate

1.1  函数声明

def aggregate[U: ClassTag](zeroValue: U)(seqOp: (U, T) => U, combOp: (U, U)=> U): U

1.2函数说明

aggregate函数通过两个函数来操作RDD。第一个reduce函数(seqOp)对每个partition聚合,然后将初始值(zeroValue)和所有partitions的结果进行(combOp)操作,生成最终结果。应用两个reduce函数十分方便,比如:第一个用于求各个partition的最大值,第二个用于汇总每个partition的和。

1.3  实例

scala> def seqOp(a:Int , b:Int) : Int = {
     | math.max(a, b)
     | }
seqOp: (a: Int, b: Int)Int

scala> def combOp(a:Int, b:Int) : Int = {
     | a + b
     | }
combOp: (a: Int, b: Int)Int

scala> val v = sz.parallelize(List(1,2,3,4,5,6), 3)
scala> v.aggregate(4)(seqOp, combOp)
结果:18
计算过程:
	首先分为三个区:(1,2) ,(3,4) ,(5,6)
	然后 调用max(4,1,2),max(4,3,4),max(4,5,6)。计算三个区的结果分别为:4,4,6
	在对三个区和初始值4进行聚合:4+4=8;8+4=12;12+6=18
注意:初始值zeroValue使用了两次:1在各个partition使用;2,对partition合并的适合使用

2、aggregateByKey

2.1函数声明       

def aggregateByKey[U](zeroValue: U)(seqOp: (U, V) ⇒ U, combOp: (U, U) ⇒ U)(implicitarg0: ClassTag[U]): RDD[(K, U)]
def aggregateByKey[U](zeroValue: U, numPartitions: Int)(seqOp: (U, V) ⇒ U, combOp: (U, U) ⇒ U)(implicitarg0: ClassTag[U]): RDD[(K, U)]
def aggregateByKey[U](zeroValue: U, partitioner: Partitioner)(seqOp: (U, V) ⇒ U, combOp: (U, U) ⇒ U)(implicitarg0: ClassTag[U]): RDD[(K, U)]

2.2 函数说明

         和aggregate类似,区别是:1,只对具有相同key的值进行聚合;2,初始值只出现在第一个reduce函数(seqOp)

2.3 实例        

val pariRDD = sc.parallelize(List( ("cat", 2), ("cat", 5),("mouse", 4), ("cat", 12), ("dog", 12),("mouse", 2)), 2)
 //定义函数,显示分区情况
def func(index:Int, iter:Iterator[(String, Int)]):Iterator[String] = {
           iter.toList.map(x => "[partID:" +index + ", val:" + x + "]").iterator
}
//查看分区情况
pairRDD.mapPartitionsWithIndex(func).collect
//结果:Array[String]= Array([partID:0, val:(cat,2)], [partID:0, val:(cat,5)], [partID:0,val:(mouse,4)], [partID:1, val:(cat,12)], [partID:1, val:(dog,12)], [partID:1,val:(mouse,2)])
pairRDD.aggregateByKey((0))(math.max(_,_),_+_).collect
//结果:Array[(String,Int)] = Array((dog,12), (cat,17), (mouse,6))
pairRDD.aggregateByKey(100)(math.max(_,_), _ + _).collect
//结果:Array((dog,100), (cat,200), (mouse,200))

3、cartesian

3.1函数声明

def cartesian[U:ClassTag](other: RDD[U]): RDD[(T, U)]

3.2 函数说明

         计算两个RDD的笛卡尔积,然后返回一个新的RDD(注意:应用此函数内存消耗很快)

3.3 实例

valx = sc.parallelize(List(1,2,3,4,5))
val y = sc.parallelize(List(6,7,8,9,10))
x.cartesian(y).collect
res0: Array[(Int, Int)] = Array((1,6),(1,7), (1,8), (1,9), (1,10), (2,6), (2,7), (2,8), (2,9), (2,10), (3,6), (3,7),(3,8), (3,9), (3,10), (4,6), (5,6), (4,7), (5,7), (4,8), (5,8), (4,9), (4,10),(5,9), (5,10))

4、coalesce,repartition

4.1函数声明

         def coalesce ( numPartitions : Int , shuffle : Boolean = false ): RDD [T]

def repartition( numPartitions : Int ): RDD [T]

4.2 函数说明

         将partition合并成指定数目的partition

4.3实例

val y = sc.parallelize(1 to 10, 10)
val z = y.coalesce(2, false)
z.partitions.length
结果: Int = 2

更多相关文章
  • 随着越来越多的O2O服务走进人们的生活,涉及到衣食住行这几个全民刚需的服务也越来越被用户依赖.移动互联网下,生鲜蔬果作为人们生活的必需品得到了互联网行业的重视.生鲜O2O领域开始获得越来越多资本的关注,大量生鲜O2O平台也如雨后春笋般兴起.巨头入局生鲜020,中小企业何去何从?O2O日益火爆不仅创业 ...
  • 本文主要是讨论在最近项目中遇到的一个下拉刷新控件,这个控件的效果如下图:   在这里会用两篇博文的篇幅来解析这个控件,第一篇解析控件的框架,第二篇解析动画.源代码可以在下面的链接下载: TestPullToRefresh.zip    1.这个控件由以下几个文件组成:GMPullToAction.C ...
  • 在互联网已经成功"挟持"我们的现在,假如未来某天早晨起床后发现,网络瘫痪,服务器宕机,我们早已习惯了的"秩序"轰然倒塌,那会是何种场景?   人始终有种不满足的心态,希望身边的一切都是完美的,但现实却总不能如愿.就像服务器,谁也不敢说能够达到100%的可靠性. ...
  • 美国官员告诉美国全国广播公司(NBC)说,俄罗斯对五角大楼联合参谋部的非机密电子邮件系统发起了“精密的网络攻击”.该非保密电子邮件系统已被关闭近两周.该官员说,俄罗斯在7月25日左右发起了“复杂的网络入侵”.这影响了约4000名在联合参谋部工作的军人和平民.   消息人士向NBC表示,网络攻击似乎依 ...
  • [DllImport("user32.dll", EntryPoint = "FindWindow")]         public static extern int FindWindow(             string lpClassName, ...
  • 文/李书航昨天腾讯在全球移动互联网大会上推出了腾讯操作系统TOS,这是一个手机的ROM,以及多种针对不同种类智能硬件所开发的固件的集合.根据腾讯的介绍,未来将会进一步把所有可以称为智能硬件的设备,都装上TOS,并且实现和QQ.微信以及其他腾讯服务之间的更紧密的连接.而现在所披露的手表,游戏机和虚拟现 ...
一周排行
  • 11月25日消息,有知情人士向媒体表示,芯片厂商联发科(以下简称MTK)近期已经终止与小米手机的合作,暂时将不再为小米手机提供芯片支持.对此,TechWeb连线小米官方,对方表示不方便透露,不予置评.对此,MTK方面 ...
  • 对于许多人来说,互联网大数据挖掘并不是一个熟悉的领域,国内没有丰沛的资源,没有太多成功案例,就算走在世界互联网前沿的美国,也一样在摸索着大数据的应用发展.不同的是他们的步伐节奏已经逐渐加快. "云海数量&q ...
  • 国外的判决经常这么无厘头,难道是人权太好? 新华社巴西利亚4月23日专电(记者 赵焱  陈威华)由于缺乏合适的法律作为依据,巴西一个地方法院最近判决3名网络黑客不用坐牢,而是做读书笔记和从事社会工作. 巴西北里约格朗 ...
  • 昨天午后,上海市政府网站发布<上海推进移动互联网产业发展015年行动计划>.<计划>提出,"十二五"期间,上海将集聚一批具有较强影响力的龙头示范企业,到2015 ...
  • 例子在用途之下MySQL 因为它好似是多数被使用的数据库 在这个网.同时相似的技术可能适用于其他人.在每个SQL 有一那 个" 是独特对那个产品的特点" .MySQL 允许评论用法在SQL 条目 ...
  • #include<iostream> #include<cstdio> #include<cstring> #include<cmath> #include<al ...
  • Delete table_name 删除"表格记录"会把操作记录在日志中,可以通过事务回滚来恢复删除的数据. truncate table table_name删除"表格记录" ...
  • 标签:ubuntumd5 md5sum 转自:http://yaodh.blog.51cto.com/1462667/329748 ubuntu默认安装md5sum 使用方法:md5sum  文件名 用法:md5su ...
  • 编写插件的目的:给已有的一些列方法或函数做一个封装 jquery插件推荐命名方式 :jquery.[插件名].js  防止与插件库混淆 所有对象方法都应当附加到jquery.fn 对象上,所有的全局函数都应当附加到j ...
  • 今天使用到js判断一个对象是否为空,js没有封装好的方法,这里最好的办法就是使用jquery里面的封装好的方法  $.isEmptyObject(obj)