一、RDD行动算子
行动算子就是会触发action的算子，触发action的含义就是真正的计算数据。
1、reduce
- 函数签名：
def reduce(f: (T, T) => T): T- 函数说明：聚集 RDD 中的所有元素，先聚合分区内数据，再聚合分区间数据。
举栗：
val rdd: RDD[Int] = sc.makeRDD(List(1,2,3,4))
val reduceResult: Int = rdd.reduce(_+_)
println(reduceResult)
2、 collect
- 函数签名：
def collect(): Array[T]- 函数说明：在驱动程序中，以数组 Array 的形式返回数据集的所有元素
举栗：
val sparkConf = new SparkConf().setMaster("local[*]").setAppName("Operator")
val sc = new SparkContext(sparkConf)
val rdd = sc.makeRDD(List(1,2,3,4),2)
val ints = rdd.collect()
println(ints.mkString(","))
sc.stop()3、 foreach
- 函数签名：
def foreach(f: T => Unit): Unit = withScope {
val cleanF = sc.clean(f)
sc.runJob(this, (iter: Iterator[T]) => iter.foreach(cleanF))
}
- 函数说明：分布式遍历 RDD 中的每一个元素，调用指定函数
举栗：
val rdd: RDD[Int] = sc.makeRDD(List(1,2,3,4))
rdd.collect().foreach(println)
4、count
- 函数签名：
def count(): Long- 函数说明：返回 RDD 中元素的个数
举栗：
val rdd: RDD[Int] = sc.makeRDD(List(1,2,3,4))
val countResult: Long = rdd.count()
println(countResult)
5、first
- 函数签名：
def first(): T- 函数说明：返回 RDD 中的第一个元素
举栗：
val rdd: RDD[Int] = sc.makeRDD(List(1,2,3,4))
val firstResult: Int = rdd.first()
println(firstResult)
6、take
- 函数签名：
def take(num: Int): Array[T]- 函数说明：返回一个由 RDD 的前 n 个元素组成的数组
举栗：
val rdd: RDD[Int] = sc.makeRDD(List(1,2,3,4))
val takeResult: Array[Int] = rdd.take(2)
takeResult.foreach(println)
7、takeOrdered
- 函数签名：
def takeOrdered(num: Int)(implicit ord: Ordering[T]): Array[T]- 函数说明：返回该 RDD 排序后的前 n 个元素组成的数组
举栗：
val rdd: RDD[Int] = sc.makeRDD(List(1,3,2,4))
val result: Array[Int] = rdd.takeOrdered(2)
result.foreach(println)
8、aggregate
- 函数签名：
def aggregate[U: ClassTag](zeroValue: U)(seqOp: (U, T) => U, combOp: (U, U) => U): U- 函数说明：分区的数据通过初始值和分区内的数据进行聚合，然后再和初始值进行分区间的数据聚合
举栗：
val rdd: RDD[Int] = sc.makeRDD(List(1,2,3,4),8)
// 将该 RDD 所有元素相加得到结果
val result1: Int = rdd.aggregate(0)(_+_, _+_)
val result2: Int = rdd.aggregate(10)(_+_,_+_)
println(result1)
println("**********")
9、fold
- 函数签名：
def fold(zeroValue: T)(op: (T, T) => T): T- 函数说明：折叠操作，aggregate 的简化版操作
举栗：
val rdd: RDD[Int] = sc.makeRDD(List(1, 2, 3, 4))
val foldResult: Int = rdd.fold(0)(_+_)
println(foldResult)
10、countByKey
- 函数签名：
def countByKey(): Map[K, Long]- 函数说明：统计每种 key 的个数
举栗：
val rdd: RDD[(Int, String)] = sc.makeRDD(List((1, "a"), (1, "a"), (1, "a"), (2,"b"), (3, "c"), (3, "c")))
val result: collection.Map[Int, Long] = rdd.countByKey()
print(result)
11、 save 相关算子
- 函数签名：
def saveAsTextFile(path: String): Unit
def saveAsObjectFile(path: String): Unit
def saveAsSequenceFile(
path: String,
codec: Option[Class[_ <: CompressionCodec]] = None): Unit //了解即可
- 函数说明：将数据保存到不同格式的文件中
举栗：
val rdd: RDD[Int] = sc.makeRDD(List(1, 2, 3, 4))
// 保存成 Text 文件
rdd.saveAsTextFile("Spark-core/output/output")
// 序列化成对象保存到文件
rdd.saveAsObjectFile("Spark-core/output/output1")