• java实现spark常用算子之mapPartitionsWithIndex


    import org.apache.spark.SparkConf;
    import org.apache.spark.api.java.JavaRDD;
    import org.apache.spark.api.java.JavaSparkContext;
    import org.apache.spark.api.java.function.Function2;
    import org.apache.spark.api.java.function.VoidFunction;

    import java.util.ArrayList;
    import java.util.Arrays;
    import java.util.Iterator;
    import java.util.List;

    /**
    * mapPartitionsWithIndex算子:
    * 与mapPartitions相似,可以看见使用到了哪一个partitions
    *
    * mapPartitions第二个参数preservesPartition(boolean,默认为false)的含义:
    * 此标志用于优化目的,当您不修改分区时,将它设置为false,
    * 如果您需要修改分区时,将它设置为true,这样spark可以更有效地执行操作,
    * 但如果您不告诉spark,它无法知道你的目的,也将无法达到优化的目的。
    *
    * 采用分区的话:parallelize优先级最高,其次是conf.set,最后是local[]
    */
    public class MapPartitionsWithIndexOperator {

    public static void main(String[] args){
    SparkConf conf = new SparkConf().setMaster("local").setAppName("mapPartitionsWithIndex");
    JavaSparkContext sc = new JavaSparkContext(conf);

    List<String> names = Arrays.asList("w1","w2","w3","w4","w5","W6","W7");

    //将list转为RDD并且分为2个partition
    JavaRDD<String> nameRDD = sc.parallelize(names,2);

    // Function2入参:第一个参数为partition的index,第二个为入参,第三个为返回值
    JavaRDD<String> resultRDD = nameRDD.mapPartitionsWithIndex(new Function2<Integer, Iterator<String>, Iterator<String>>() {
    @Override
    public Iterator<String> call(Integer integer, Iterator<String> iterator) throws Exception {
    List<String> nameList = new ArrayList<>();
    while (iterator.hasNext()){
    nameList.add(integer+":"+iterator.next());
    }
    return nameList.iterator();
    }
    },true);

    //修改sparkRDD分区
    JavaRDD<String> repartitionRDD = resultRDD.repartition(4);
    System.err.println(repartitionRDD.partitions().size());

    repartitionRDD.foreach(new VoidFunction<String>() {
    @Override
    public void call(String s) throws Exception {
    System.err.println("mapPartitionsWithIndex:"+s);
    }
    });

    }
    }



    微信扫描下图二维码加入博主知识星球,获取更多大数据、人工智能、算法等免费学习资料哦!


  • 相关阅读:
    316. 去除重复字母
    331. 验证二叉树的前序序列化
    225. 用队列实现栈
    197. 上升的温度
    178. 分数排名
    177. 第N高的薪水
    小程序导航
    css3、js动画特效
    背景透明css
    h5新标签IE8不兼容怎么办?
  • 原文地址:https://www.cnblogs.com/guokai870510826/p/11635165.html
Copyright © 2020-2023  润新知