Spark Programming by Java—

Spark Programming by Java——RDD基本操作

本文主要是介绍Spark Programming by Java——RDD基本操作，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

在一个内容为{1， 2， 3， 3}的RDD上进行的基本操作

函数名(表现形式为scala)	目的	示例	结果
collect()	返回RDD中的所有元素	rdd.example()	{1, 2, 3, 4}
count()	RDD中的元素数目	rdd.count()	4
countByValue()	RDD中每个元素的出现次数	rdd.countByValue()	{(1,1),(2,1),(3,2)}
take(num)	返回RDD中num个数量的元素	rdd.take(2)	{1,2}
top(num)	返回RDD中最大的num个元素	rdd.top(2)	{3,3}
takeOrdered(num)(ordering)	根据你给的排序方法返回一个元素序列	rdd.takeOrdered(2)(myOrdering)	{3, 3}
takeSample(withReplacement, num, [speed])	随机返回num个元素	rdd.takeSample(false, 1)	无值
reduce(func)	在一次遍历中合并RDD中所有的元素（例如，求和）	rdd.reduce((x, y) => x + y)	9
fold(zero)(func)	和reduce功能一样，但是提供一个初值	rdd.fold(0)((x, y) => x + y)	9
aggregate(zeroValue)(seqOp, comOp)	和reduce()函数类似，但是用于返回不同的数据类型	rdd.aggregate((0, 0)) ((x, y) =>(x._1 + y, x._2 + 1), (x, y) =>(x._1 + y._1, x._2 + y._2))	(9,4)
foreach(func)	将RDD中所有的元素都用于提供的方法	rdd.foreach(func)	nothing

Java实现基本代码

import java.util.Arrays;
import java.util.List;import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.api.java.function.Function2;
import org.apache.spark.api.java.function.VoidFunction;public class SimpleRDD {public static void main(String[] args) {SparkConf conf = new SparkConf().setMaster("local").setAppName("SimpleRDD");JavaSparkContext sc = new JavaSparkContext(conf);JavaRDD<Integer> rdd = sc.parallelize(Arrays.asList(1, 2, 3 ,3), 2);System.out.println("rdd collect" + rdd.collect());System.out.println("rdd count" + rdd.count());System.out.println("rdd countByValue" + rdd.countByValue());System.out.println("rdd take" + rdd.take(2));System.out.println("rdd top" + rdd.top(2));System.out.println("rdd takeOrdered" + rdd.takeOrdered(2));System.out.println("rdd reduce" + rdd.reduce((x, y) -> x + y));System.out.println("rdd fold" + rdd.fold(0, (x, y) -> x+y));System.out.println("rdd aggregate test");List<Integer> data = Arrays.asList(5, 1, 1, 4, 4, 2, 2);JavaRDD<Integer> javaRDD = sc.parallelize(data, 2);Integer aggregateValue = javaRDD.aggregate(3, new Function2<Integer, Integer, Integer>() {    @Override    public Integer call(Integer v1, Integer v2) throws Exception {        System.out.println("seq~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~" + v1 + "," + v2);        return Math.max(v1, v2);    }}, new Function2<Integer, Integer, Integer>() {    int i = 0;    @Override      public Integer call(Integer v1, Integer v2) throws Exception {    System.out.println("comb~~~~~~~~~i~~~~~~~~~~~~~~~~~~~"+i++);        System.out.println("comb~~~~~~~~~v1~~~~~~~~~~~~~~~~~~~" + v1);        System.out.println("comb~~~~~~~~~v2~~~~~~~~~~~~~~~~~~~" + v2);        return v1 + v2;   }});System.out.println("~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~"+aggregateValue);System.out.println("foreach");rdd.foreach(new VoidFunction<Integer>() {@Overridepublic void call(Integer t) throws Exception {System.out.println(t);}});}
}