开始学习用scala写spark啦，首先当然是介绍一下RDD的操作啦：
1、创建SparkSession
在Spark2.1中，SparkSession包括了SparkContext，若想使用SparkContext，用sc.sparkContext即可
//创建一个SparkSession，在Spark2.1中，SparkSession包括了SparkContext，若想使用SparkContext，用sc.sparkContext即可
val sc = SparkSession
.builder()
.appName("ttt")
//.enableHiveSupport()
.getOrCreate()
2、RDD创建
//创建intRDD
val intRDD = sc.sparkContext.parallelize(List(3,1,2,5,5))
print("打印intRDD的结果："+intRDD.collect().mkString(","))
val stringRDD = sc.sparkContext.parallelize(List("Apple","Orange","Banana","Grape","Apple"))
println("打印stringRDD的结果"+stringRDD.collect().mkString(","))
3、单个RDD转换运算
println("*************************单个RDD转换运算**********************")
def addOne(x:Int):Int =
{
return (x+1)
}
//map运算：对RDD中每一个元素做一个转换操作，生成一个新的RDD
println("使用具体的函数完成map运算："+intRDD.map(addOne).collect().mkString(","))
println("使用匿名函数完成map运算："+intRDD.map(x=>x+1).collect().mkString(","))
println("使用匿名函数和匿名参数完成map运算："+intRDD.map(_+1).collect().mkString(","))
println("使用匿名函数完成map运算："+stringRDD.map(x=>"fruit"+x).collect().mkString(","))
//filter运算：对RDD中每一个元素进行筛选，生成一个新的RDD
println("使用匿名函数筛选intRDD中小于5的元素："+intRDD.filter(x=>x < 5).collect().mkString(","))
println("使用匿名函数和匿名参数筛选intRDD中小于5的元素："+intRDD.filter(_ < 5).collect().mkString(","))
println("使用匿名函数筛选stringRDD中包含ra的元素："+stringRDD.filter(x=>x.contains('ra)).collect().mkString(","))
//distinct运算：对RDD中元素进行去重
println("对intRDD元素进行去重"+intRDD.distinct().collect().mkString(","))
println("对StringRDD元素进行去重"+stringRDD.distinct().collect().mkString(","))
//randomSplit运算，按照指定的比例将RDD进行划分
val sRDD = intRDD.randomSplit(Array(0.4,0.6))
println("分割后第一个RDD为："+sRDD(0).collect().mkString(","))
println("分割后第二个RDD为："+sRDD(1).collect().mkString(","))
//groupBy运算：可以按照传入的匿名函数规则，将数据分为多个Array,返回Array[(String,Iterable[Int])]
val gRDD = intRDD.groupBy(x => {if(x%2==0) "even" else "odd"}).collect()
println("偶数数组为："+gRDD(0))
println("奇数数组为："+gRDD(1))
4、多个RDD转换运算
println("*************************多个RDD转换运算**********************")
val intRDD1 = sc.sparkContext.parallelize(List(3,1,2,5,5))
val intRDD2 = sc.sparkContext.parallelize(List(5,6))
val intRDD3 = sc.sparkContext.parallelize(List(2,7))
//并集运算，并不会去重，两种方式实现
println("使用union实现并集运算："+intRDD1.union(intRDD2).union(intRDD3).collect().mkString(","))
println("使用++实现并集运算："+(intRDD1 ++ intRDD2 ++ intRDD3).collect().mkString(","))
//交集运算
println("使用intersection实现交集运算:"+intRDD1.intersection(intRDD2).collect().mkString(","))
//差集运算
println("使用subtract实现差集运算:"+intRDD1.subtract(intRDD2).collect().mkString(","))
//笛卡尔积运算
println("使用cartesian实现笛卡尔积运算："+intRDD1.cartesian(intRDD2).collect().mkString(","))
5、基本动作运算
println("*************************基本动作运算**********************")
//读取第1条数据
println("intRDD第一条数据为："+intRDD.first())
//读取前n条数据
println("intRDD的前两条数据为："+intRDD.take(2))
//按照从小到大排序，并读取前N条数据
println("intRDD从小到大排序的前3条数据为:"+intRDD.takeOrdered(3))
//按照从大到小排，并读取前N条数据
println("intRDD从大到小排序的前3条数据为:"+intRDD.takeOrdered(3)(Ordering[Int].reverse))
//返回RDD的统计数据
println("intRDD的统计数据为："+intRDD.stats())
//返回最小值
println("intRDD的最小值为："+intRDD.min())
//返回最大值
println("intRDD的最大值为："+intRDD.max())
//返回标准差
println("intRDD的标准差为："+intRDD.stdev())
//返回计数
println("intRDD的计数为："+intRDD.count())
//返回求和值
println("intRDD中元素的和为："+intRDD.sum())
//返回平均值
println("intRDD中元素的平均值为："+intRDD.mean())
6、基本key-value转换运算
println("*************************基本key-value转换运算**********************")
//创建一个key-valueRDD
val kvRDD = sc.sparkContext.parallelize(List((3,4),(3,6),(5,6),(1,2)))
//得到key的集合
println("kvRDD中key的集合为："+kvRDD.keys.collect().mkString(","))
//得到value的集合
println("kvRDD中value的集合为："+kvRDD.values.collect().mkString(","))
//使用filter进行过滤
println("kvRDD中key小于5的元素有："+kvRDD.filter{case (key,value)=>key<5}.collect().mkString(","))
println("kvRDD中value小于5的元素有："+kvRDD.filter{case (key,value) => value<5}.collect().mkString(","))
//使用mapValues函数对每个value进行类似于map的运算，返回一个新的RDD
println("kvRDD中value平方后的结果为："+kvRDD.mapValues(x => x * x).collect().mkString(","))
//sortByKey按照key进行排序，默认参数为true，即升序排序，false为降序排序
println("kvRDD的升序排序结果为："+kvRDD.sortByKey(true).collect().mkString(","))
println("kvRDD的升序排序结果为："+kvRDD.sortByKey().collect().mkString(","))
println("kvRDD的降序排序结果为："+kvRDD.sortByKey(false).collect().mkString(","))
//reduceByKey会对相同key值的元素进行操作，比如求和
println("使用匿名函数并按照相同key值对kvRDD元素进行求和操作的结果为："+kvRDD.reduceByKey((x,y)=>x+y).collect())
println("使用匿名函数和匿名参数并按照相同key值对kvRDD元素进行求和操作的结果为："+kvRDD.reduceByKey(_+_).collect())
7、多个key-value转换运算
println("*************************多个key-value转换运算**********************")
val kvRDD1 = sc.sparkContext.parallelize(List((3,4),(3,6),(5,6),(1,2)))
val kvRDD2 = sc.sparkContext.parallelize(List((3,8)))
//join运算类似于内链接
println("两个RDD内链接的结果为："+kvRDD1.join(kvRDD2).collect().mkString(","))
//leftOuterJoin是左外链接
println("两个RDD左外链接的结果为："+kvRDD1.leftOuterJoin(kvRDD2).collect().mkString(","))
//rightOuterJoin是右外链接
println("两个RDD右外链接的结果为："+kvRDD1.rightOuterJoin(kvRDD2).collect().mkString(","))
//subtractByKey运算会删除相同key值的元素
println("删除重复key值元素后结果为："+kvRDD1.subtractByKey(kvRDD2).collect().mkString(","))
8、key-value动作运算
println("*************************key-value动作运算**********************")
//得到第一条数据
println("kvRDD的第一条数据为："+kvRDD.first())
//得到前n条数据
println("kvRDD的前两条数据为："+kvRDD.take(2))
//得到第一条数据的key和value值
val kvFirst = kvRDD.first()
println("kvRDD第一条数据的key为："+kvFirst._1)
println("kvRDD第一条数据的value为："+kvFirst._2)
//countByKey得到每一个Key值的条数
println("kvRDD每个key值对应元素的数量为："+kvRDD.countByKey().mkString(","))
//创建一个key-value对照表，如果有相同的key值，只返回最后一个的value值
var KV = kvRDD.collectAsMap()
println("kvRDD中3对应的value为："+KV(3))
println("kvRDD中1对应的value为："+KV(1))
//使用lookup函数并输入key值来得到value值，与上面不同的是，如果key相同，会返回所有对应的value值
println("kvRDD中3对应的value为："+kvRDD.lookup(3))
println("kvRDD中1对应的value为："+kvRDD.lookup(1))
9、完整输出
打印intRDD的结果：3,1,2,5,5
打印stringRDD的结果Apple,Orange,Banana,Grape,Apple
*************************单个RDD转换运算**********************
使用具体的函数完成map运算：4,2,3,6,6
使用匿名函数完成map运算：4,2,3,6,6
使用匿名函数和匿名参数完成map运算：4,2,3,6,6
使用匿名函数完成map运算：fruitApple,fruitOrange,fruitBanana,fruitGrape,fruitApple
使用匿名函数筛选intRDD中小于5的元素：3,1,2
使用匿名函数和匿名参数筛选intRDD中小于5的元素：3,1,2
使用匿名函数筛选stringRDD中包含ra的元素：
对intRDD元素进行去重2,1,3,5
对StringRDD元素进行去重Orange,Apple,Grape,Banana
分割后第一个RDD为：1,2,5
分割后第二个RDD为：3,5
偶数数组为：(even,CompactBuffer(2))
奇数数组为：(odd,CompactBuffer(3, 1, 5, 5))
*************************多个RDD转换运算**********************
使用union实现并集运算：3,1,2,5,5,5,6,2,7
使用++实现并集运算：3,1,2,5,5,5,6,2,7
使用intersection实现交集运算:5
使用subtract实现差集运算:2,1,3
使用cartesian实现笛卡尔积运算：(3,5),(1,5),(3,6),(1,6),(2,5),(5,5),(5,5),(2,6),(5,6),(5,6)
*************************基本动作运算**********************
intRDD第一条数据为：3
intRDD的前两条数据为：[I@65a83d13
intRDD从小到大排序的前3条数据为:[I@7b2990cf
intRDD从大到小排序的前3条数据为:[I@5ad5dac5
intRDD的统计数据为：(count: 5, mean: 3.200000, stdev: 1.600000, max: 5.000000, min: 1.000000)
intRDD的最小值为：1
intRDD的最大值为：5
intRDD的标准差为：1.6
intRDD的计数为：5
intRDD中元素的和为：16.0
intRDD中元素的平均值为：3.2
*************************基本key-value转换运算**********************
kvRDD中key的集合为：3,3,5,1
kvRDD中value的集合为：4,6,6,2
kvRDD中key小于5的元素有：(3,4),(3,6),(1,2)
kvRDD中value小于5的元素有：(3,4),(1,2)
kvRDD中value平方后的结果为：(3,16),(3,36),(5,36),(1,4)
kvRDD的升序排序结果为：(1,2),(3,4),(3,6),(5,6)
kvRDD的升序排序结果为：(1,2),(3,4),(3,6),(5,6)
kvRDD的降序排序结果为：(5,6),(3,4),(3,6),(1,2)
使用匿名函数并按照相同key值对kvRDD元素进行求和操作的结果为：[Lscala.Tuple2;@42cbf60
使用匿名函数和匿名参数并按照相同key值对kvRDD元素进行求和操作的结果为：[Lscala.Tuple2;@70b78e39
*************************多个key-value转换运算**********************
两个RDD内链接的结果为：(3,(4,8)),(3,(6,8))
两个RDD左外链接的结果为：(1,(2,None)),(3,(4,Some(8))),(3,(6,Some(8))),(5,(6,None))
两个RDD右外链接的结果为：(3,(Some(4),8)),(3,(Some(6),8))
删除重复key值元素后结果为：(1,2),(5,6)
*************************key-value动作运算**********************
kvRDD的第一条数据为：(3,4)
kvRDD的前两条数据为：[Lscala.Tuple2;@f28fb14
kvRDD第一条数据的key为：3
kvRDD第一条数据的value为：4
kvRDD每个key值对应元素的数量为：1 -> 1,3 -> 2,5 -> 1
kvRDD中3对应的value为：6
kvRDD中1对应的value为：2
kvRDD中3对应的value为：WrappedArray(4, 6)
kvRDD中1对应的value为：WrappedArray(2)