Spark中rdd的创建方式

Spark的创建方式

spark根据使用的是java或scala的语言，有几种创建方式

java中RDD的创建方式

java中可以使用以下方式创建rdd

1.使用textFile读取一个文件创建；
2. 使用parallelize方法创建，第一次参数是集合，第二个参数是partition分区的数量；
3. 使用parallelizePairs创建key,value格式的rdd；

示例代码如下：

        SparkConf conf = new SparkConf();
        conf.setMaster("local");
        conf.setAppName("RDDCreate");
        JavaSparkContext context = new JavaSparkContext(conf);
        
        //读取文件创建
        JavaRDD lines = context.textFile("./words");
        
        //parallelize创建rdd
        List list = Arrays.asList(1, 2, 3, 4);
        JavaRDD javaRDD = context.parallelize(list, 2);
        System.out.println(javaRDD.count());

        //parallelizePairs 创建k，v格式的rdd
        List> tuple2s = Arrays.asList(
                new Tuple2("zhangsan", 1),
                new Tuple2("lisi", 2),
                new Tuple2("wangwu", 3)
        );
        JavaPairRDD pairRDD = context.parallelizePairs(tuple2s);
        pairRDD.foreach(new VoidFunction>() {
            @Override
            public void call(Tuple2 tuple2) throws Exception {
                System.out.println(tuple2);
            }
        });

scala中RDD的创建方式

scala中可以使用以下方式创建rdd

1.使用textFile读取一个文件创建；
2. 使用parallelize方法创建，第一次参数是集合，第二个参数是partition分区的数量，可以创建普通rdd，也可以创建key,value格式的rdd；
3. 使用makeRDD创建rdd；

示例代码：

    val conf = new SparkConf().setAppName("RDDCreate").setMaster("local");
    val context = new SparkContext(conf)

    //使用textFile读取文件创建
    val lines: RDD[String] = context.textFile("./words")
    
    //使用parallelize创建rdd
    val rdd: RDD[Int] = context.parallelize(Array(1,2,3,4,5))
    rdd.foreach(println)

    //使用makeRDD创建rdd
    val pairRdd: RDD[(String, Int)] = context.makeRDD(Array(("zhangsan",1),("lisi",2),("wangwu",3)),2)
    pairRdd.foreach(println)