Spark之RDD创建方式

        在Spark中创建RDD的创建方式可以分为三种：从集合中创建RDD、从外部存储创建RDD、从其他RDD创建。

创建时环境依赖

    
        org.apache.spark
        spark-core_2.12
        3.0.0
    



    SparkCoreTest
    
        
            net.alchim31.maven
            scala-maven-plugin
            3.4.6
            
                
                    
                        compile
                        testCompile
                    
                
            
        
    

1.从集合创建

object createrdd {
  def main(args: Array[String]): Unit = {
    val conf: SparkConf = new SparkConf()
          .setAppName("SparkCoreTest")
          .setMaster("local[*]")
    val sc: SparkContext = new SparkContext(conf)

    //使用parallelize()创建rdd
    //val rdd: RDD[Int] = sc.parallelize(Array(1,2,3,4,5,6))

   // rdd.collect().foreach(println)
    //使用makeRDD()创建rdd
    val rdd1: RDD[Int] = sc.makeRDD(Array(1,2,3,4,5,6))
    rdd1.collect().foreach(println)
    sc.stop()
  }
}

注：makeRDD不完全等于parallelize，在其中一种重构方法中，makeRDD增加了位置信息。

2.从外部存储系统的数据集创建

object crearedd2 {
  def main(args: Array[String]): Unit = {
    val conf: SparkConf = new SparkConf()
          .setAppName("WC")
          .setMaster("local[*]")
    val sc: SparkContext = new SparkContext(conf)

    val value: RDD[String] = sc.textFile("input")
    value.foreach(println)
    sc.stop()
  }
}

3.从其他RDD创建

        主要是通过一个RDD运算完后，再产生新的RDD。