sparkRDD 算子的创建和使用
发表于：2026-11-02 作者：千家信息网编辑
千家信息网最后更新 2026年11月02日，spark是大数据领域近几年比较火的编程开发语言。有众多的好处，比如速度快，基于内存式计算框架。不多说直接讲 spark的RDD 算子的使用。如果有spark环境搭建等问题，请自行查找资料。本文不做讲
千家信息网最后更新 2026年11月02日sparkRDD 算子的创建和使用
spark是大数据领域近几年比较火的编程开发语言。有众多的好处，比如速度快，基于内存式计算框架。
不多说直接讲 spark的RDD 算子的使用。
如果有spark环境搭建等问题，请自行查找资料。本文不做讲述。
spark rdd的创建有两种方式:
1>从集合创建。也就是从父rdd继承过来
2>从外部创建。
import java.util.Arrays;import java.util.Iterator;import java.util.List;import org.apache.spark.SparkConf;import org.apache.spark.api.java.JavaPairRDD;import org.apache.spark.api.java.JavaRDD;import org.apache.spark.api.java.JavaSparkContext;import org.apache.spark.api.java.function.FlatMapFunction;import org.apache.spark.api.java.function.Function;import org.apache.spark.api.java.function.Function2;import org.apache.spark.api.java.function.PairFunction;import org.apache.spark.api.java.function.VoidFunction;import com.google.common.base.Optional;import scala.Tuple2;public class Demo01 { public static void main(String[] args) { SparkConf conf = new SparkConf().setAppName("Demo01").setMaster("local"); JavaSparkContext jsc = new JavaSparkContext(conf); //map(jsc); //filter(jsc); // flatMap(jsc); //groupByKey(jsc); //reduceByKey(jsc); //sortByKey(jsc); //join(jsc); leftOutJoin(jsc); jsc.stop(); } //每一条元素 都乘以2，并且打印 private static void map(JavaSparkContext jsc) { //数据源 List lst = Arrays.asList(1,2,3,4,5,6,7,8); JavaRDD numRDD = jsc.parallelize(lst); JavaRDD resultRDD = numRDD.map(new Function() { private static final long serialVersionUID = 1L; @Override public Integer call(Integer num) throws Exception { return num * 2; } }); resultRDD.foreach(new VoidFunction() { private static final long serialVersionUID = 1L; @Override public void call(Integer num) throws Exception { System.out.println(num); } }); } // 把集合中的偶数过滤出来 private static void filter(JavaSparkContext jsc) { //数据源 List lst = Arrays.asList(1,2,3,4,5,6,7,8); JavaRDD numRDD = jsc.parallelize(lst); System.out.println(numRDD.filter(new Function() { private static final long serialVersionUID = 1L; @Override public Boolean call(Integer num) throws Exception { return num % 2 ==0; } }).collect()); } //将一行行数据的单词拆分为一个个单词 private static void flatMap(JavaSparkContext jsc) { List lst = Arrays.asList("hi tim ","hello girl","hello spark"); JavaRDD lines = jsc.parallelize(lst); JavaRDD resultRDD = lines.flatMap(new FlatMapFunction() { private static final long serialVersionUID = 1L; @Override public Iterable call(String line) throws Exception { return Arrays.asList(line.split(" ")); } }); System.out.println(resultRDD.collect()); } // 根据班级进行分组 private static void groupByKey(JavaSparkContext jsc) { // int ,Integer // scala 里面的类型，没有像Java这样分为基本类型和包装类，因为scala是一种更加强的面向对象语言， //一切皆对象，里面的类型，也有对应的方法可以调用,隐式转换 // 模拟数据 @SuppressWarnings("unchecked") List> lst = Arrays.asList( new Tuple2("class01", 100), new Tuple2("class02",101), new Tuple2("class01",199), new Tuple2("class02",121), new Tuple2("class02",120)); JavaPairRDD cla***DD = jsc.parallelizePairs(lst); JavaPairRDD> groupedRDD = cla***DD.groupByKey(); groupedRDD.foreach(new VoidFunction>>() { private static final long serialVersionUID = 1L; @Override public void call(Tuple2> tuple) throws Exception { String classKey = tuple._1; Iterator values = tuple._2.iterator(); while (values.hasNext()) { Integer value = values.next(); System.out.println("key:" + classKey + "\t" + "value:" + value); } } }); } private static void reduceByKey(JavaSparkContext jsc) { @SuppressWarnings("unchecked") List> lst = Arrays.asList( new Tuple2("class01", 100), new Tuple2("class02",101), new Tuple2("class01",199), new Tuple2("class02",121), new Tuple2("class02",120)); JavaPairRDD cla***DD = jsc.parallelizePairs(lst); JavaPairRDD resultRDD = cla***DD.reduceByKey(new Function2() { private static final long serialVersionUID = 1L; @Override public Integer call(Integer v1, Integer v2) throws Exception { return v1 + v2; } }); resultRDD.foreach(new VoidFunction>() { private static final long serialVersionUID = 1L; @Override public void call(Tuple2 tuple) throws Exception { System.out.println("key:" + tuple._1 + "\t" + "value:" + tuple._2); } }); } // 把学生的成绩前3名取出来，并打印 // 1.先排序sortByKey，然后take（3），再foreach private static void sortByKey(JavaSparkContext jsc) { @SuppressWarnings("unchecked") List> lst = Arrays.asList( new Tuple2("tom", 60), new Tuple2("kate",80), new Tuple2("kobe",100), new Tuple2("马蓉",4), new Tuple2("宋哲",2), new Tuple2("白百合",3), new Tuple2("隔壁老王",1)); JavaPairRDD cla***DD = jsc.parallelizePairs(lst); JavaPairRDD pairRDD = cla***DD.mapToPair(new PairFunction,Integer , String>() { private static final long serialVersionUID = 1L; @Override public Tuple2 call(Tuple2 tuple) throws Exception { return new Tuple2(tuple._2, tuple._1); } }); //do no JavaPairRDD sortedRDD = pairRDD.sortByKey(); JavaPairRDD sortedRDD01 = sortedRDD.mapToPair(new PairFunction, String, Integer>() { private static final long serialVersionUID = 1L; @Override public Tuple2 call(Tuple2 tuple) throws Exception { return new Tuple2(tuple._2, tuple._1); } } ); // take 也是一个action操作 List> result = sortedRDD01.take(3); System.out.println(result); } private static void join(JavaSparkContext jsc) { // 模拟数据 @SuppressWarnings("unchecked") List> names =Arrays.asList( new Tuple2(1,"jack"), new Tuple2(2,"rose"), new Tuple2(3,"tom"), new Tuple2(4,"赵丽颖")); JavaPairRDD num2NamesRDD = jsc.parallelizePairs(names); List> scores = Arrays.asList( new Tuple2(1,60), new Tuple2(4,100), new Tuple2(2,30)); JavaPairRDD num2scoresRDD = jsc.parallelizePairs(scores); JavaPairRDD> joinedRDD = num2scoresRDD.join(num2NamesRDD); //姓名成绩排序，取前2名 JavaPairRDD score2NameRDD = joinedRDD.mapToPair(new PairFunction>,Integer, String>() { private static final long serialVersionUID = 1L; @Override public Tuple2 call( Tuple2> tuple) throws Exception { Integer score = tuple._2._1; String name = tuple._2._2; return new Tuple2(score,name); } }); // sortByKey之后，你可以执行一个maptoPair的操作，转换为 System.out.println(score2NameRDD.sortByKey(false).take(2)); } // 学生成绩改良版 private static void leftOutJoin(JavaSparkContext jsc) { // 模拟数据 @SuppressWarnings("unchecked") List> names =Arrays.asList( new Tuple2(1,"jack"), new Tuple2(2,"rose"), new Tuple2(3,"tom"), new Tuple2(4,"赵丽颖")); JavaPairRDD num2NamesRDD = jsc.parallelizePairs(names); List> scores = Arrays.asList( new Tuple2(1,60), new Tuple2(4,100), new Tuple2(2,30)); JavaPairRDD num2scoresRDD = jsc.parallelizePairs(scores); // num2scoresRDD num2NamesRDD //JavaPairRDD>> joinedRDD = num2NamesRDD.leftOuterJoin(num2scoresRDD); // 注意join，谁join谁，没区别，但是leftoutjoin 是有顺序的 JavaPairRDD>> joinedRDD = num2NamesRDD.leftOuterJoin(num2scoresRDD); JavaPairRDD pairRDD = joinedRDD.mapToPair(new PairFunction>>, Integer, String>() { private static final long serialVersionUID = 1L; @Override public Tuple2 call( Tuple2>> tuple) throws Exception { String name = tuple._2._1; Optional scoreOptional = tuple._2._2; Integer score = null; if(scoreOptional.isPresent()){ score= scoreOptional.get(); }else { score = 0; } return new Tuple2(score, name); } }); JavaPairRDD sortedRDD = pairRDD.sortByKey(false); sortedRDD.foreach(new VoidFunction>() { private static final long serialVersionUID = 1L; @Override public void call(Tuple2 tuple) throws Exception { if(tuple._1 == 0){ System.out.println("name:" + tuple._2 + "\t" + "要努力了，你的成绩0分" ); }else{ System.out.println("姓名:" + tuple._2 + "\t" + "分数：" + tuple._1); } } }); }} 如有疑问可跟帖讨论。欢迎拍砖
数据
成绩
类型
单词
姓名
学生
对象
数据源
语言
排序
算子
一行
也就是
偶数
元素
内存
分数
好处
方式
方法
数据库的安全要保护哪些东西
数据库安全各自的含义是什么
生产安全数据库录入
数据库的安全性及管理
数据库安全策略包含哪些
海淀数据库安全审计系统
建立农村房屋安全信息数据库
易用的数据库客户端支持安全管理
连接数据库失败ssl安全错误
数据库的锁怎样保障安全
科技与互联网
互联网科技垄断
互联网科技战争
高科技与互联网
凡科互联网科技
朗涯互联网科技
小马过河互联网科技
青海省互联网新科技
深圳市运趣互联网科技有限公司
成都玖崟互联网科技有限公司乐商圈怎么样
互联网科技公司需要的职位
昭通云南众福互联网科技有限公司
重庆威客帮互联网科技
成都铂石互联网科技做什么的
搜狐科技互联网
内蒙古九一互联网科技
互联网科技大赛获奖感言
2021互联网科技公司排名
小米互联网科技园入驻
安徽九吞吴互联网科技有限公司
咖啡豆
科技互联网
蓝色互联网科技
荆州市昕露互联网络科技有限公司
未来五年的互联网科技
开一家科技互联网公司需要多少钱
互联网科技人工智能实验室
高科技互联网套路
梅州GM互联网络科技有限公司
35岁以上互联网科技行业
