学习Spark首先学到就是spark中数据核心抽象----RDD.
Spark中的RDD是一个不可变分布式对象集合。每个RDD都被分为多个分区运行在集群的不同节点上。
1. 创建RDD
(1) 读取一个外部数据集
textFile()函数将一个文本文件读入为一个存储字符串的RDD。
(2) 读取在驱动器程序里分发驱动器程序中的对象集合。
parallerlize()函数
2. RDD转化操作(transformation):由一个RDD生成一个新的RDD。
例子:filter()函数,map()函数
转化操作可以操作任意数量的RDD。例如:union(),可以操作两个RDD,合并为一个RDD。
3. RDD行动操作(action):对RDD计算出一个结果。
例子:first()函数,count()函数