高阶函数

1. map/flatMap:对数据集中的每条数据处理，有返回值
2. sorted/sortedBy/sortWith:对数据集中的数据按照指定的方式进行排序
3. groupBy：对数据集中的的数据按照某种方式进行分组
4. reduce/fold：对数据集中的数据进行合并
5. filter/filterNot:对数据集中的数据进行过滤
6. foreach:对数据集中的每条数据处理，没有返回值

map和flatMap

map

    //在高阶函数里面下面的写法就更加的优化，可以获取各个值
      RDD.map(item=>{
        val Array(name, age, sex, phone) = item.split(",")
        name
      })

      　　val list = List(1, 2, 7, 8, 3, 4, 9, 10, 6, 5)
      /**
        * def map(f: A => B)
        * map的参数是一个函数。f: A => B
        * A -> 表示的是列表List中数据类型，此处是Int类型
        * 此处 B属于泛型，不是Unit类型
        * 作用：对集合中每一个元素进行操作，将每个元素传递到指定的函数f中，进行操作，并且有返回值
        */
      val mapList: List[Double] = list.map(item => item * 2.0)
      list.map(item => {
        println(s"item = $item, transform = ${item * 2.0}")
        item * 2.0
      })

 flatMap

   /**
      * flatMap() -> f: A => Traversable[B]
      * 对List中每个元素进行操作，将每个元素传入到函数f中，进行操作，返回Traversable
      * Traversable:是可遍历对象，可以认为就是一个集合
      * 然后将每个Traversable中的元素映射到新的List集合（RDD）中
      */
    val flatMapList= list.flatMap(item => {
      val range: Inclusive = 0 to item
            println(s"item = $item, range = ${range.mkString("|")}")
            range.mkString("|").split("|")
    }).foreach(println)

Map和flatMap的区别

//     map和flatmap区别:map不会增加RDD的count,flatMap会增加RDD的count
//     flatmap的f函数的返回值是Traversable，然后将Traversable中的每个元素映射到新的RDD（list）中,会增加RDD的count
//     map的f函数的返回值可以是不为Unit的任意的数据类型
    val lineList = List("hadoop,spark,hive,spark,hadoop,spark", "spark,spark")
    lineList.map(line => line.split(",").toList.mkString(" ")).foreach(println)
    lineList.flatMap(line => line.split(",")).foreach(println)

sorted/sortedBy/sortWith

1. sorted/sortBy/sortWith:都是对集合中的元素进行排序

2. 只有soreBy是RDD的函数，使用的时候execute的数目只能设置为一个

    val li = List(7, 8, 3, 4, 9)
    val list: RDD[Int] = sc.parallelize(li)
//  sorted：默认的情况下，按照数据的自然方式进行升序排序
      li.sorted.foreach(item => println(item))
//  def sortBy[B](f: A => B)：按照函数特定的方式排序
      list.sortBy(item => - item).foreach(item => println(item))
//  def sortWith(lt: (A, A) => Boolean)：按照比较之后结果为true的方式排序
     li.sortWith((x1, x2) => {
       println(s"x1 = $x1, x2 = $x2")
       x1 > x2
     }).foreach(item => println(item))

groupBy

  /**
      *   def groupBy(f: A => K)
      *   说明：集合中每个元素应用到函数f中,返回值k就是分组的类别
      */
    val list = List(7, 8, 3, 4, 9)
    val groupMap: Map[String, List[Int]] = list.groupBy(item => if(item % 2 ==0) "偶数" else "奇数")
    
    // 列表中存在数据类型二元组
    val tupleList = List(("spark", 34), ("scala", 12), ("spark", 10), ("spark", 1), ("hive", 1)
    val tupleGroupMap: Map[String, List[(String, Int)]] = tupleList.groupBy(item => item._1)
    tupleGroupMap.map(t2 => {
      val word: String = t2._1
      val list: List[(String, Int)] = t2._2
      val  count = list.map(item => item._2).sum
      (word, count)
    })

reduce/fold

1. left:有三层含义：

   1. f函数的左边的参数为中间临时变量

   2. 集合从左边开始聚合

   3. 集合左边的第一个元素为中间临时变量的初始值

2. reduce和reduceLeft的区别:

   1. reduceLeft中间临时变量的数据类型是集合中传入的数据类型的父集（reduceLeft的函数参数的返回值向上转型）   def reduceLeft[B >: A](f: (B, A) => B)

   2. reduce：中间临时变量的数据类型和传入数据中数据类型相同    def reduce(op: (A1, A1) => A1)

3. fold和foldLeft的区别：

   1. foldLeft:中间临时变量的类型 是任意类型def foldLeft[B](z: B)(f: (B, A) => B)

   2. fold:初始赋值的数据类型和传入数据中数据类型相同def fold(z: A1)(op: (A1, A1) => A1)

4. reduceLeft和foldLeft的区别：

   1. reduceLeft:中间变量的初始值只能是集合中左边的第一个元素，数据类型为集合中元素的父集   def reduceLeft[B >: A](f: (B, A) => B)

   2. foldLeft:中间变量的初始值是自己选择的任意类型 def foldLeft[B](z: B)(f: (B, A) => B)

reduce

    /**
      * def reduce(op: (A1, A1) => A1): A1 =reduceLeft(op)
      *   - reduce函数中参数的类型是一个函数，并且是两个参数的：
      *     op 函数的要求如下；
      *       第一点：参数类型和返回值的类型是一致的
      *       第二点：有两个参数，其中
      *         第一个参数为“聚合”的中间临时变量，初始值为第一个元素的值
      *         第二个参数是集合中除去第一个元素以外的每个元素的值
      */
    list.reduce((x1, x2) => {
      println(s"x1 = $x1, x2 = $x2")
      x1 + x2
    })

reduceLeft

   /**
      *   def reduceLeft[B >: A](f: (B, A) => B): B
      *   - reduceLeft函数中参数的类型是一个函数，并且是两个参数的：
      *     op 函数的要求如下；
      *       第一点：中间临时变量的参数类型B是集合中传入参数类型A的父集，返回值类型是中间临时变量类型B
      *       第二点：有两个参数，其中
      *         第一个参数B为“聚合”的中间临时变量，初始值是从左边开始选的，reduce底层就是调用reduceLeft
      *         第二个参数A是集合中除去第一个元素以外的每个元素的值
      */
    list.reduceLeft((tmp, item) => {
      println(s"tmp = $tmp, x2 = $item")
      tmp + item
    })

reduceRight

 /**
      *    def reduceRight[B >: A](op: (A, B) => B): B
      *   - reduceRight函数中参数的类型是一个函数，并且是两个参数的：
      *     op 函数的要求如下；
      *       第一点：中间临时变量的参数类型B是集合中传入参数类型A的父集，返回值类型是中间临时变量类型B
      *       第二点：有两个参数，其中
      *         第一个参数B为“聚合”的中间临时变量，初始值是从右边开始选的
      *         第二个参数A是集合中除去第一个元素以外的每个元素的值
      */
    list.reduceRight((item, tmp) => {
      println(s"tmp = $tmp, x2 = $item")
      tmp + item
    })

fold

   /**
      * def fold(z: A1)(op: (A1, A1) => A1): A1 = foldLeft(z)(op)
      * 参数说明：
      *   -a. 第一个参数：z
      *     表明的是Zero(初始化):中间临时变量的初始化值
      *   -b. 第二个参数：op: (A1, A1) => A1
      *     A1表示的是中间临时变量 类型
      *     A2 表示的是 集合个每个元素；类型
      *   -c. 中间临时变量。临时变量的初始值，返回值和集合中的元素都相同
      */
    val list = List(1, 2, 7, 8, 3, 4, 9, 10, 6, 5)
    // 求和，此处使用fold函数大材小用
    list.fold(0)((tmp, item) => {
      println(s"tmp = $tmp, item = $item")
      tmp + item
    })

foldLeft

   /**
      *  def foldLeft[B](z: B)(f: (B, A) => B): B
      *  参数说明：
      *   -a. 第一个参数：z
      *     表明的是Zero(初始化):中间临时变量的初始化值
      *   -b. 第二个参数：(f: (B, A) => B
      *     B表示的是中间临时变量 类型
      *     A表示的是 集合个每个元素类型
      *   -c. 中间临时变量不需要和集合中的元素的值相同，可以是自己定义的任何数据类型
      */
    val lst = List(11, 22, 11, 11, 22, 99, 100)
    // TODO： 使用foldLeft/foldRight函数对集合中数据进行去重
    import scala.collection.mutable
    lst.foldLeft(mutable.Set[Int]())((set, item) => {
      println(s"set = $set, item = $item")
      set += item
    })

foldRight

 /**
      *  foldRight[B](z: B)(op: (A, B) => B): B
      *  参数说明：
      *   -a. 第一个参数：z
      *     表明的是Zero(初始化):中间临时变量的初始化值
      *   -b. 第二个参数：(op: (A, B) => B
      *     B表示的是中间临时变量 类型
      *     A表示的是 集合个每个元素类型
      *   -c. 中间临时变量不需要和集合中的元素的值相同，可以是自己定义的任何数据类型
      */
    lst.foldRight(mutable.Set[Int]())((item, set) => {
      println(s"set = $set, item = $item")
      set += item
    })

filter/filterNot

    /**
      * def filter(p: A => Boolean):
      *   将集合中的每一个元素传递到函数p中，返回值是Boolean类型
      *   filter的结果是函数p的返回值是true的元素组成的新的集合
      */
    list.filter(item => item % 2 != 0).foreach(println)
    /**
      * def filterNot(p: A => Boolean):
      *   将集合中的每一个元素传递到函数p中，返回值是Boolean类型
      *   filterNot的结果是函数p的返回值是false的元素组成的新的集合
      */
    list.filterNot(item => item % 2 == 0).foreach(println)

foreach

// def foreach(f: T => Unit):针对集合中每个元素进行操作，没有返回值
  list.foreach(item =>item.toString)
  list.foreach(item => println(s"item = $item, transform = ${item * 2.0}"))