RDD行動算子

RDD行動算子

2.4.1 reduce(func)案例

1. 作用：通過func函數聚集RDD中的所有元素，先聚合分區內數據，再聚合分區間數據。
2. 需求：創建一個RDD，將所有元素聚合得到結果。

（1）創建一個RDD[Int]
scala> val rdd1 = sc.makeRDD(1 to 10,2)
rdd1: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[85] at makeRDD at <console>:24
（2）聚合RDD[Int]所有元素
scala> rdd1.reduce(_+_)
res50: Int = 55
（3）創建一個RDD[String]
scala> val rdd2 = sc.makeRDD(Array(("a",1),("a",3),("c",3),("d",5)))
rdd2: org.apache.spark.rdd.RDD[(String, Int)] = ParallelCollectionRDD[86] at makeRDD at <console>:24
（4）聚合RDD[String]所有數據
scala> rdd2.reduce((x,y)=>(x._1 + y._1,x._2 + y._2))
res51: (String, Int) = (adca,12)

2.4.2 collect()案例

1. 作用：在驅動程序中，以數組的形式返回數據集的所有元素。
2. 需求：創建一個RDD，並將RDD內容收集到Driver端打印

（1）創建一個RDD
scala> val rdd = sc.parallelize(1 to 10)
rdd: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[0] at parallelize at <console>:24
（2）將結果收集到Driver端
scala> rdd.collect
res0: Array[Int] = Array(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)   

2.4.3 count()案例

1. 作用：返回RDD中元素的個數
2. 需求：創建一個RDD，統計該RDD的條數

（1）創建一個RDD
scala> val rdd = sc.parallelize(1 to 10)
rdd: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[0] at parallelize at <console>:24
（2）統計該RDD的條數
scala> rdd.count
res1: Long = 10

2.4.4 first()案例

1. 作用：返回RDD中的第一個元素
2. 需求：創建一個RDD，返回該RDD中的第一個元素

（1）創建一個RDD
scala> val rdd = sc.parallelize(1 to 10)
rdd: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[0] at parallelize at <console>:24
（2）統計該RDD的條數
scala> rdd.first
res2: Int = 1

2.4.5 take(n)案例

1. 作用：返回一個由RDD的前n個元素組成的數組
2. 需求：創建一個RDD，統計該RDD的條數

（1）創建一個RDD
scala> val rdd = sc.parallelize(Array(2,5,4,6,8,3))
rdd: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[2] at parallelize at <console>:24
（2）統計該RDD的條數
scala> rdd.take(3)
res10: Array[Int] = Array(2, 5, 4)

2.4.6 takeOrdered(n)案例

1. 作用：返回該RDD排序後的前n個元素組成的數組

2. 需求：創建一個RDD，統計該RDD的條數

   （1）創建一個RDD
   scala> val rdd = sc.parallelize(Array(2,5,4,6,8,3))
   rdd: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[2] at parallelize at <console>:24
   （2）統計該RDD的條數
   scala> rdd.takeOrdered(3)
   res18: Array[Int] = Array(2, 3, 4)
   
   

2.4.7 aggregate案例

1. 參數：(zeroValue: U)(seqOp: (U, T) ⇒ U, combOp: (U, U) ⇒ U)
2. 作用：aggregate函數將每個分區裏面的元素通過seqOp和初始值進行聚合，然後用combine函數將每個分區的結果和初始值(zeroValue)進行combine操作。這個函數最終返回的類型不需要和RDD中元素類型一致。
3. 需求：創建一個RDD，將所有元素相加得到結果

（1）創建一個RDD
scala> var rdd1 = sc.makeRDD(1 to 10,2)
rdd1: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[88] at makeRDD at <console>:24
（2）將該RDD所有元素相加得到結果
scala> rdd.aggregate(0)(_+_,_+_)
res22: Int = 55

注：rdd1.aggregate(初始值)() 其中初始值分區內和每個元素加一次，分區間又得加一次

​ 而aggregateByKey只是分區內加初始值，而分區間不會加初始值。本次案例若使用aggregate答案會是75

scala> var rdd1 = sc.makeRDD(1 to 10,2)
rdd1: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[5] at makeRDD at <console>:24

scala> rdd1.aggregate(10)(_+_,_+_)
res6: Int = 85

.4.8 fold(num)(func)案例

1. 作用：摺疊操作，aggregate的簡化操作，seqop和combop一樣。
2. 需求：創建一個RDD，將所有元素相加得到結果

（1）創建一個RDD
scala> var rdd1 = sc.makeRDD(1 to 10,2)
rdd1: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[88] at makeRDD at <console>:24
（2）將該RDD所有元素相加得到結果
scala> rdd.fold(0)(_+_)
res24: Int = 55

2.4.9 saveAsTextFile(path)

作用：將數據集的元素以textfile的形式保存到HDFS文件系統或者其他支持的文件系統，對於每個元素，Spark將會調用toString方法，將它裝換爲文件中的文本

2.4.10 saveAsSequenceFile(path)

作用：將數據集中的元素以Hadoop sequencefile的格式保存到指定的目錄下，可以使HDFS或者其他Hadoop支持的文件系統。

2.4.11 saveAsObjectFile(path)

作用：用於將RDD中的元素序列化成對象，存儲到文件中。