热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

RDD——Action算子

常用Action算子countByKeycollectreducefoldfirsttaketopcounttakeSampletakeOrderedforeachsaveAsT




常用Action算子


  • countByKey
  • collect
  • reduce
  • fold
  • first
  • take
  • top
  • count
  • takeSample
  • takeOrdered
  • foreach
  • saveAsTextFile


  1. countByKey()

返回值是一个 字典类型

## 读取文本文件
rdd1 = sc.textFile(f"file:///{ROOT}/data/input/words.txt")
rdd2 = rdd1.flatMap(lambda x:x.split(" ")).map(lambda x:(x,1))
print(rdd2.collect())
# [('hello', 1), ('spark', 1), ('hello', 1), ('hadoop', 1), ('hello', 1), ('flink', 1)]
res = rdd2.countByKey()
print(res)
# defaultdict(, {'hello': 3, 'spark': 1, 'hadoop': 1, 'flink': 1})
print(type(res))
#


  1. collect()

将RDD各分区数据统一收集到Driver 形成一个List对象

确定数据量不是太大 不然会把Driver 内存撑爆



  1. reduce()

将RDD数据集 进行聚合,返回值就是传入的数据同类型

注意reduceByKey 返回值是RDD

rdd = sc.parallelize([1, 2, 3, 4, 5])
res = rdd.reduce(lambda a,b:a+b)
res
# 15


  1. fold

在这里插入图片描述

初始值 在分区内 和 分区间 都会作用

一般不使用



  1. first()

RDD的第一个元素



  1. take(N)

取RDD的前N个元素 组合成List 返回



  1. top(N)

对RDD数据进行降序排序 ,取得前N个 组合成List



  1. count()

计算RDD有多少条数据,返回值是一个数字



  1. takeSample(参数1:True or False,参数2:采样数,参数3:随机种子)

    参数1: True 表示可以重复取同一个数据


随机抽样RDD数据 返回List



  1. takeOrdered(N,参数2)

    升序排列

    参数2 可以对排序数据进行改变 不改变本身


对RDD进行排序 取前N个

rdd = sc.parallelize([1, 3, 2, 4, 7, 9, 6], 1)
print(rdd.takeOrdered(3))
# [1,2,3]
print(rdd.takeOrdered(3, lambda x: -x))
# [9,7,6]


  1. foreach(func)

对RDD每一个元素 执行提供的逻辑操作(同map)也不改变传入的RDD 但是没有返回值

rdd = sc.parallelize([1, 2, 3, 4, 5])
rdd2 = rdd.foreach(lambda x:print(x*10) )
# print(rdd.collect())
print(rdd2)
20
10
30
40
50
None


  1. saveasTextFile()

rdd = sc.parallelize([1, 3, 2, 4, 7, 9, 6], 1)# 分区可以控制生成的文件数
# rdd.saveAsTextFile("../data/output/out1") 保存写相对路径也不行 还是要绝对路径
# 本地
rdd.saveAsTextFile(f"file:///{ROOT}/data/output/out1")
# hdfs
rdd.saveTextFile("hdfs://hadoop102:8080/路径")

在这里插入图片描述

foreach; saveAsTextFile 都是由分区(Excutor)直接执行的,跳过Driver

其余的 Action 算子都会将结果发送至Driver







推荐阅读
author-avatar
秋雨蒙蒙往事
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有