如何使用sparkContext转成RDD

这篇文章主要介绍“如何使用spark Context转成RDD”，在日常操作中，相信很多人在如何使用spark Context转成RDD问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”如何使用spark Context转成RDD”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

创新互联网站建设由有经验的网站设计师、开发人员和项目经理组成的专业建站团队，负责网站视觉设计、用户体验优化、交互设计和前端开发等方面的工作，以确保网站外观精美、成都网站建设、做网站易于使用并且具有良好的响应性。

一. 背景

在spark rdd转换算子中join和cogroup是有些需要区分的算子转换，这里使用示例来说明一下。

二. 示例

1.构建List示例数据

List> studentsList = Arrays.asList(
      new Tuple2(1,"xufengnian"),
      new Tuple2(2,"xuyao"),
      new Tuple2(2,"wangchudong"),
      new Tuple2(3,"laohuang")
      );

List> scoresList = Arrays.asList(
      new Tuple2(1,100),
      new Tuple2(2,90),
      new Tuple2(3,80),
      new Tuple2(1,101),
      new Tuple2(2,91),
      new Tuple2(3,81),
      new Tuple2(3,71)
      );

2.使用sparkContext转成RDD

JavaPairRDD studentsRDD = sc.parallelizePairs(studentsList);
JavaPairRDD scoresRDD = sc.parallelizePairs(scoresList);

//studentsRDD 为：List>
//(1,xufengnian)(2,xuyao)(2,wangchudong)(3,laohuang),下面进行打印查看

studentsRDD.foreach(new VoidFunction>(){
   public void call(Tuple2 tuple){
      System.out.println(tuple._1);//1 2 3
      System.out.println(tuple._2);// xufengnian xuyao laohuang
   }
});

3.进行join

/*
前面数据
(1,xufengnian)(2,xuyao)(2,"wangchudong")(3,laohuang)
(1,100)(2,90)(3,80)(1,101)(2,91)(3,81)(3,71)
join之后：
(1,(xufengnian,100))(1,(xufengnian,101))(3,(laohuang,80))(3,(laohuang,81))(3,(laohuang,71))
(2,(xuyao,90))(2,(xuyao,91))(2,(wangchudong,90))(2,(wangchudong,91))
*/
JavaPairRDD> studentScores = studentsRDD.join(scoresRDD);
//join为key相同的join,key不变，value变成(string,integer)
studentScores.foreach(new VoidFunction>>() {
   
   private static final long serialVersionUID = 1L;

   @Override
   public void call(Tuple2> student)
         throws Exception {
      System.out.println("student id: " + student._1);//1 1 3
      System.out.println("student name: " + student._2._1);//xufengnian xufengnian laohuang
      System.out.println("student score: " + student._2._2);//100 101 80
      System.out.println("===================================");
   }
});

4.进行cogroup

/*
前面的数据
(1,xufengnian)(2,xuyao)(2,"wangchudong")(3,laohuang)
(1,100)(2,90)(3,80)(1,101)(2,91)(3,81)(3,71)
cogroup之后：
(1,([xufengnian],[100,101]))  (3,([laohuang],[80,81,71]))  (2,([xuyao,wangchudong],[90,91]))
*/
JavaPairRDD,Iterable>> studentScores2 = studentsRDD.cogroup(scoresRDD);
studentScores2.foreach(new VoidFunction, Iterable>>>() {
   @Override
   public void call(Tuple2, Iterable>> stu) throws Exception {
      System.out.println("stu id:"+stu._1);//1 3
      System.out.println("stu name:"+stu._2._1);//[xufengnian] [laohuang]
      System.out.println("stu score:"+stu._2._2);//[100,101] [80,81,71]
      Iterable integers = stu._2._2;

      for (Iterator iter = integers.iterator(); iter.hasNext();) {
         Integer str = (Integer)iter.next();
         System.out.println(str);//100 101 80 81 71
      }
      System.out.println("===================================");
   }
});

到此，关于“如何使用spark Context转成RDD”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注创新互联网站，小编会继续努力为大家带来更多实用的文章！