SPARK

RDD

RDD(Resilient Distributed Datasets)即弹性分布式数据集。即使用RDD以及对应的transform/action等操作来执行分布式计算。弹性:即可伸缩,由于RDD的数据的存储是数据+算子的结构存储。即RDD的每个数据区中的数据不一定就是真实的数据。比如说(V1,1) a => a + 1 就是对(V1,1)这样的键值对的value进行加1操作。只有在真正调用的时候才会返回具体的结果。

SPARK与HADOOP

  • spark与hadoop都有MapReduce的通用的并行计算框架,但是不同的是spark的MapReduce处理的结果会根据配置缓存到内存,或者磁盘中。下次计算效率会更高。
  • Spark更适合于迭代运算比较多的运算,因为它的可伸缩性,不会出现过多的计算过程的临时RDD。
  • Spark提供的数据集操作类型有很多种,不像Hadoop只提供了Map和Reduce两种操作。spark还提供了map, filter, flatMap, sample, groupByKey, reduceByKey, union, join等一系列操作。可以进行更复杂的数据计算。
  • spark通过checkpoint来实现容错。即对那些运算量比较大,计算时间比较长的RDD进行设置checkpoint。允许Sparkstreaming周期性的将程序的数据,保存到可靠系统。
  • Spark提供了丰富的Scala, Java, Python API及交互式Shell,兼容多种语言。
  • Spark兼容Hadoop,spark可以读取HDFS数据。

快速上手

gradle配置:

compile("org.apache.spark:spark-core_2.10:1.1.0")

JavaSparkContext:

SparkConf conf = new SparkConf().setAppName("MySpark")
                                        .setMaster("local")//master地址,这里使用本地模式
                                        .set("spark.executor.memory", "128m")//每个executor所使用的内存。;
        return new JavaSparkContext(conf);

获取RDD数据:

JavaRDD<String> lines = javaSparkContext.textFile(path).cache();//这里可以直接读取本地文件,也可以读取hdfs数据。

得到lines后就可以进行一系列的运算操作了。比如计算每个单词的个数。

Map<String, Long> result = lines.flatMap(s -> Arrays.asList(s.split(" "))).countByValue();

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,242评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,769评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,484评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,133评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,007评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,080评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,496评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,190评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,464评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,549评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,330评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,205评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,567评论 3 298
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,889评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,160评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,475评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,650评论 2 335

推荐阅读更多精彩内容