1.准备文本文件
从文件创建RDD lines=sc.textFile()
筛选出含某个单词的行 lines.filter()
lambda 参数:条件表达式
lines = sc.textFile("file:///usr/local/spark/mycode/rdd/word.txt")
linesWithSpark = lines.filter(lambda line:"Spark" in line)
linesWithSpark.foreach(print)
2.生成单词的列表
从列表创建RDD words=sc.parallelize()
筛选出长度大于2 的单词 words.filter()
wordsList='Spark is better than MapReduce.'.split()
wordsList
wordsRDD=sc.parallelize(wordsList)
wordsRDD.collect()
wordsRDD.filter(lambda word:len(word)>2).collect()
3.筛选出的单词RDD,映射为(单词,1)键值对。 words.map()
wordsRDD.map(lambda word:(word,1)).collect()
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 [email protected] 举报,一经查实,本站将立刻删除。