IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 大数据 -> python 使用spark 的算子函数 -> 正文阅读

[大数据]python 使用spark 的算子函数

#-*-coding:UTF-8-*-

from pyspark import SparkConf,SparkContext
import  time

class Spark05Marager(object):

    def __init__(self,master,app_name):
        '''
        构造函数
        :param master: master
        :param app_name:  appname
        '''
        self.__master=master
        self.__app_Name=app_name
        self.__sc=self.__createSc()

    def __createSc(self):
        '''
        创建连接上下文
        :return: 返回连接上下文
        '''
        try:
            conf=SparkConf().setMaster(self.__master).setAppName(self.__app_Name)
            sc=SparkContext(conf=conf)
            return sc
        except Exception as e:
            return None

################################以下是学习算子函数##################################################################

    def my_map(self):
        '''
        map 将一个集合转换成新集合
        :return:
        '''
        data=[1,2,3,4,5,6,7,8,9]
        rdd1=self.__sc.parallelize(data)
        rdd2=rdd1.map(lambda x:x+1)
        print(rdd2.collect())
        time.sleep(30)

    def my_map(self):
        '''
        将原有集合转换成新的形式
        :return:
        '''
        data=['dog','cat','lion','tiger']
        rdd1=self.__sc.parallelize(data)
        rdd2=rdd1.map(lambda x:(x,1))
        print(rdd2.collect())

    def my_filter(self):
        '''
        filter 算子过滤偶数
        :return:
        '''
        data = [1, 2, 3, 4, 5, 6, 7, 8, 9]
        rdd1=self.__sc.parallelize(data)
        rdd2=rdd1.filter(lambda x:x%2==0)
        print(rdd2.collect())

    def my_flatMap(self):
        #flatMap
        data=["Hello Word","Hello Spark","woelect hadoop"]
        rdd1=self.__sc.parallelize(data)
        rdd2=rdd1.flatMap(lambda str:str.split(" "))
        print(rdd2.collect())

    def my_groupBykey(self):
        #groupByKey
        data = ["Hello Word", "Hello Spark", "woelect hadoop"]
        rdd1 = self.__sc.parallelize(data)
        mapRdd = rdd1.flatMap(lambda str: str.split(" ")).map(lambda x:(x,1))
        rdd2=mapRdd.groupByKey().map(lambda x:{x[0]:list(x[1])})
        cont_rdd=mapRdd.groupByKey().map(lambda x:{x[0]:sum(list(x[1]))})
        print(rdd2.collect())
        print(cont_rdd.collect())


    def my_reduceByKey(self):
        # reduceByKey
        data = ["Hello Word", "Hello Spark", "woelect hadoop"]
        rdd1 = self.__sc.parallelize(data)
        mapRdd = rdd1.flatMap(lambda str: str.split(" ")).map(lambda x: (x, 1))
        print(mapRdd.collect())
        reduceRdd=mapRdd.reduceByKey(lambda a,b:a+b)
        print(reduceRdd.collect())

    def wc_pricate(self):
        #按照单词数量从大到小排序 sortByKey
        data = ["Hello Word", "Hello Spark", "woelect hadoop","woelect C#"]
        rdd1 = self.__sc.parallelize(data)
        mapRdd = rdd1.flatMap(lambda str: str.split(" ")).map(lambda x: (x, 1))
        print(mapRdd.collect())
        reduceRdd = mapRdd.reduceByKey(lambda a, b: a + b)
        print(reduceRdd.collect())
        reducemaprdd= reduceRdd.map(lambda x:(x[1],x[0]) ).sortByKey(False)
        print(reducemaprdd.collect())
        reducemaprdd2 = reducemaprdd.map(lambda x: (x[1], x[0]))
        print(reducemaprdd2.collect())


def test():
        master="local[2]"
        app_name="myspark05"
        sparmgr = Spark05Marager(master,app_name)
        #sparmgr.my_map()
        #sparmgr.my_map()
        #sparmgr.my_filter()
        #sparmgr.my_flatMap()
        #sparmgr.my_groupBykey()
        #sparmgr.my_reduceByKey()
        #sparmgr.wc_pricate()
        sparmgr.wc_pricate()

if __name__ =="__main__":
    test()



  大数据 最新文章
实现Kafka至少消费一次
亚马逊云科技:还在苦于ETL?Zero ETL的时代
初探MapReduce
【SpringBoot框架篇】32.基于注解+redis实现
Elasticsearch:如何减少 Elasticsearch 集
Go redis操作
Redis面试题
专题五 Redis高并发场景
基于GBase8s和Calcite的多数据源查询
Redis——底层数据结构原理
上一篇文章      下一篇文章      查看所有文章
加:2022-03-22 20:40:57  更:2022-03-22 20:41:40 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/24 7:02:45-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码