Spark IMF传奇行动第16课RDD实战总结

今晚听了王家林老师的Spark IMF传奇行动第16课RDD实战，课堂笔记如下：

RDD操作类型：Transformation、Action、Contoller

reduce要符合交换律和结合律

val textLines = lineCount.reduceByKey(_+_,1)
textLines.collect.foreach(pair=> println(pair._1 + "="+pair._2)) 

def collect(): Array[T] = withScope {
    val results = sc.runJob(this, (iter: Iterator[T]) => iter.toArray)
    Array.concat(results: _*)
  }

可以看到collect返回的Array中就是一系列的元素Tuple

并行度不设置的话，则由 原始文件的数量和文件大小决定。

两个stage有可能在不同的节点上执行。

附图一枚：

后续课程可以参照新浪微博 王家林_DT大数据梦工厂：http://weibo.com/ilovepains

王家林  中国Spark第一人,微信公共号DT_Spark

转发请写明出处。