函数原型
def collect(): Array[T] def collect[U: ClassTag](f: PartialFunction[T, U]): RDD[U]
实例
scala> val one: PartialFunction[Int, String] = { case 1 => "one"; case _ => "other"} one: PartialFunction[Int,String] = <function1> scala> val data = sc.parallelize(List(2,3,1)) data: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[11] at parallelize at <console>:12 scala> data.collect(one).collect res4: Array[String] = Array(other, other, one)
注意
如果数据量比较大的时候,尽量不要使用collect函数,因为这可能导致Driver端内存溢出问题。
建议使用 take(x:Int): rdd.take(100).foreach(println)
而不使用 rdd.collect().foreach(println)。
take获取RDD的前几个值
因为后者会导致内存溢出!!