Spark RDD编程

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:///home/hadoop/word.txt")
>>>lines.foreach(print)
>>>lineWithSpark=lines.filter(lambda line:"Spark" in line)
>>>lineWithSpark.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 power a stack of libraries.'.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()