Spark API 详解/大白话解释 之 RDD、partition、count、collect

RDD定义：

任何数据在Spark中都被转换为RDD。

一个RDD可以看成是一个数组

不过是分到各个分区，分布在不同的机器上，可并行处理。

---

分区的定义：
一个RDD有多个RDD分区
一个RDD分区只在一个机器上
一个机器可有多个RDD分区
http://stackoverflow.com/questions/31359219/relationship-between-rdd-partitions-and-nodes

---

由数据转换为RDD：

举例：从普通数组创建RDD，里面包含了1到9这9个数字，它们分别在3个分区中。这个RDD一共9个元素，每个元素含有一个数字

val a = sc.parallelize(1 to 9, 3)

举例：读取本地文件README.md来创建RDD，文件中的每一行就是RDD中的一个元素，分区是2

val b = sc.textFile("README.md",2)

---

count( )
返回RDD的元素个数

---

collect( )
返回整个RDD

---

http://homepage.cs.latrobe.edu.au/zhe/ZhenHeSparkRDDAPIExamples.html