大数据IMF传奇行动绝密课程第16课：RDD实战

RDD有几种操作：Transformation（算子），Action（触发作业，的结果foreach、reduce、saveasTextFile等），Controller（性能和容错方面persist、cache、checkpoint）

reduce要符合交换律和结合律

foreach不可以进行模式匹配

collect把各个节点计算的结果汇总到Driver

package com.tom.spark

import org.apache.spark.{SparkConf, SparkContext}

/**
  * 计算相同行出现的次数
  */
object TextLines {
  def main(args: Array[String]): Unit = {

    val conf = new SparkConf() //创建SparkConf对象
    conf.setAppName("Wow My First Spark App!") //设置应用程序的名称，在程序运行的监控界面可以看到
    conf.setMaster("local") //此时程序在本地运行，不需要安装Spark集群

    val sc = new SparkContext(conf) //创建SparkContext对象，通过传入SparkConf实例，来定制Spark运行的具体参数和配置信息
    val lines = sc.textFile("F:/helloSpark.txt") //通过HadoopRDD以及MapPartitionsRDD获取文件中每一行的内容本身
    val lineCount = lines.map(  (_, 1)) //每一行变成行的内容与1构成的Tuple
    val textLine = lineCount.reduceByKey(_ + _)
    textLine.collect.foreach( pair => println(pair._1 + ":" +pair._2)) //collect是把结果抓到Driver上,foreach的Array中只有一个元素，只不过元素
是一个Tuple。

  }
}

例子中Array中只有一个元素，只不过元素是一个Tuple。

shuffle触发新的stage，action触发job。saveAsTextJob内部有Action，所以会触发job