RDD算子——转换操作(Transformations )【map、flatMap、reduceByKey】

一、map

  • map 算子

    # spark-shell
    sc.parallelize(Seq(1, 2, 3))
    	.map( num => num * 10)
    	.collect()
    
    # IDEA
    @Test
    def mapTest(): Unit = {
      // 1. 创建RDD
      val rdd1 = sc.parallelize(Seq(1, 2, 3))
      // 2. 执行 map 操作
      val rdd2 = rdd1.map(item => item * 10)
      // 3. 得到结果
      val result:Array[Int] = rdd2.collect()
      result.foreach(item => println(item))
    	// 关闭sc
    	sc.stop()
    }
    
    RDD算子——转换操作(Transformations )【map、flatMap、reduceByKey】_第1张图片RDD算子——转换操作(Transformations )【map、flatMap、reduceByKey】_第2张图片RDD算子——转换操作(Transformations )【map、flatMap、reduceByKey】_第3张图片
    • 作用
      • 把 RDD 中的数据 一对一的转换为另一种形式
    • 调用
      • def map[U: ClassTag] (f: T ⇒ U) : RDD[U]
    • 参数
      • f → map 算子是 原 RDD → 新 RDD 的过程, 这个函数的参数是原 RDD 的数据, 返回值是经过函数转换的新 RDD 的数据
    • 注意点
      • map 是一对一, 如果函数是 String → Array[String]则新的 RDD 中每条数据就是一个数组

二、flatMap

  • flatMap算子

    # spark-shell
    sc.parallelize(Seq("Hello lily", "Hello lucy", "Hello tim"))
    	.flatMap( line => line.split(" "))
    	.collect()
    
    # IDEA
    @Test
    def flatMapTest(): Unit = {
      // 1. 创建RDD
      val rdd1 = sc.parallelize(Seq("Hello lily", "Hello lucy", "Hello tim"))
      // 2. 执行 flatMap 操作
      val rdd2 = rdd1.flatMap( line => line.split(" "))
      // 3. 得到结果
      val result:Array[String] = rdd2.collect()
      result.foreach(line => (println(line)))
    	// 关闭sc
    	sc.stop()
    }
    
    RDD算子——转换操作(Transformations )【map、flatMap、reduceByKey】_第4张图片RDD算子——转换操作(Transformations )【map、flatMap、reduceByKey】_第5张图片RDD算子——转换操作(Transformations )【map、flatMap、reduceByKey】_第6张图片
    • 作用
      • flatMap 算子和 map 算子类似, 但是 FlatMap 是一对多
    • 调用
      • def flatMap[U: ClassTag](f: T ⇒ List[U]): RDD[U]
    • 参数
      • f → 参数是原 RDD 数据, 返回值是经过函数转换的新 RDD 的数据, 需要注意的是返回值是一个集合, 集合中的数据会被展平后再放入新的 RDD
    • 注意点
      • flatMap 其实是两个操作, 是 map + flatten, 也就是先转换, 后把转换而来的 List 展开
      • flatMap 也是转换,他可以把数组和集合展开,并且flatMap中的函数一般也是集合或者数组

三、reduceByKey

  • ReduceByKey算子

    # spark-shell
    sc.parallelize(Seq(("a",1), ("a", 1), ("b", 1)))
    	.reduceByKey( ( cur, agg) => cur + agg)
    	.collect()
    
    # IDEA
    @Test
    def reduceByKeyTest(): Unit = {
      // 1. 创建RDD
      val rdd1 = sc.parallelize(Seq("Hello lily", "Hello lucy", "Hello tim"))
      // 2. 处理数据
      val rdd2 = rdd1.flatMap( item => item.split(" "))
        .map(item => (item, 1))
        .reduceByKey( (cur, agg) => cur + agg)
      // 3. 得到结果
      val result:Array[(String, Int)] = rdd2.collect()
      result.foreach(item => (println(item)))
      // 4. 关闭sc
      sc.stop()
    }
    
    RDD算子——转换操作(Transformations )【map、flatMap、reduceByKey】_第7张图片RDD算子——转换操作(Transformations )【map、flatMap、reduceByKey】_第8张图片RDD算子——转换操作(Transformations )【map、flatMap、reduceByKey】_第9张图片
    • 作用
      • 首先按照 Key 分组, 接下来把整组的 Value 计算出一个聚合值, 这个操作非常类似于 MapReduce 中的 Reduce
    • 调用
      • def reduceByKey(func: (V, V) ⇒ V): RDD[(K, V)]
    • 参数
      • func → 执行数据处理的函数, 传入两个参数, 一个是当前值, 一个是局部汇总, 这个函数需要有一个输出, 输出就是这个 Key 的汇总结果
    • 注意点
      • ReduceByKey 只能作用于 Key-Value 型数据, Key-Value 型数据在当前语境中特指 Tuple
      • ReduceByKey 是一个需要 Shuffled 的操作
      • 和其它的 Shuffled 相比, ReduceByKey是高效的, 因为类似 MapReduce 的, 在 Map 端有一个 Cominer, 这样 I/O 的数据便会减少
      • reduceByKey第一步是按照Key进行分组,然后对每一组进行聚合得到结果

你可能感兴趣的:(Spark,大数据,spark,大数据)