`
winse
  • 浏览: 94549 次
  • 性别: Icon_minigender_1
  • 来自: 广州
社区版块
存档分类
最新评论

Spark的flatmap与map.filter.map有什么异同

阅读更多
 A => Option[B] => B 这个过程

scala的  aList.map(B(_)).filter(!_.isEmpty).map(_.get)  和  aList.flatMap(B(_))  有什么差别? 在 spark rdd 以及 sparksql 同样的操作又有什么异同呢?
--
  • Scala

对Option而言,逻辑上flatMap就是map.filter.map的简写。

 

 

  def flatMap[B](f: A => GenTraversableOnce[B]): Iterator[B] = new AbstractIterator[B] {
    private var cur: Iterator[B] = empty
    private def nextCur() { cur = f(self.next()).toIterator }
    def hasNext: Boolean = {
      // Equivalent to cur.hasNext || self.hasNext && { nextCur(); hasNext }
      // but slightly shorter bytecode (better JVM inlining!)
      while (!cur.hasNext) {
        if (!self.hasNext) return false
        nextCur()
      }
      true
    }
    def next(): B = (if (hasNext) cur else empty).next()
  }

 

  def filter(p: A => Boolean): Iterator[A] = new AbstractIterator[A] {
    // TODO 2.12 - Make a full-fledged FilterImpl that will reverse sense of p
    private var hd: A = _
    private var hdDefined: Boolean = false

    def hasNext: Boolean = hdDefined || {
      do {
        if (!self.hasNext) return false
        hd = self.next()
      } while (!p(hd))
      hdDefined = true
      true
    }

    def next() = if (hasNext) { hdDefined = false; hd } else empty.next()
  }

 

  def map[B](f: A => B): Iterator[B] = new AbstractIterator[B] {
    def hasNext = self.hasNext
    def next() = f(self.next())
  }

 

 

  • Spark RDD

和scala的类似,本身RDD的flatMap、map、filter的compute方法都是调用Scala集合类的对应方法。

 

  • SparkSQL 

用explain查看执行计划,不理解的话打断点(打日志)查看生成的java类。

  1. http://www.winseliu.com/blog/2016/10/12/sparksql-view-and-debug-generatecode/
  2. https://www.zhihu.com/question/51544925

 

  • 大小: 127.6 KB
分享到:
评论

相关推荐

    spark-md5.min.js jsMD5计算

    spark-md5.min.js jsMD5计算

    hadoop&spark开发部署环境.zip

    hadoop&spark开发部署环境.ziphadoop&spark开发部署环境.ziphadoop&spark开发部署环境.ziphadoop&spark开发部署环境.ziphadoop&spark开发部署环境.ziphadoop&spark开发部署环境.ziphadoop&spark开发部署环境....

    spark2-2.4.0.cloudera2-1.cdh5.13.3.p0.1041012-el6.zip

    Cloudera的集成使得Spark与Hadoop以及其他生态系统组件(如Kafka)有更好的兼容性和优化。Kafka是一个高吞吐量的实时分布式消息队列,常用于流数据处理。Spark可以与Kafka集成,实现低延迟的数据摄取和实时分析。 ...

    spark-md5.min.js

    在github上找到的资源,但是感觉不太方便,就单独拎出来一份 github地址:https://github.com/satazor/js-spark-md5

    spark.md5.js

    spark.md5.js用于计算文件的md5值,使用方式SparkMD5.ArrayBuffer.hash(ev.target.result);

    SPARK2-2.4.0.cloudera2-1.cdh5.13.3.p0.1041012-el7.parcel.sha1

    SPARK2-2.4.0.cloudera2-1.cdh5.13.3.p0.1041012-el7 SHA下载

    ApacheSpark设计与实现.pdf+ApacheSpark源码剖析.pdf+Spark原著中文版.pdf

    这三本书结合阅读,将使读者对Apache Spark有全面而深入的理解,无论是在理论知识还是实践经验上,都能得到极大的提升。对于想在大数据领域尤其是Spark平台下工作的开发者来说,这些资源是不可或缺的学习资料。

    spark-md5.js

    可用于大文件的哈希 (function (factory) { if (typeof exports === 'object') { // Node/CommonJS module.exports = factory(); } else if (typeof define === 'function' && define.amd) { ...

    7.SparkStreaming(上)--SparkStreaming原理介绍.pdf

    2.Spark编译与部署(上)--基础环境搭建.pdf 2.Spark编译与部署(下)--Spark编译安装.pdf 2.Spark编译与部署(中)--Hadoop编译安装.pdf 3.Spark编程模型(上)--概念及SparkShell实战.pdf 3.Spark编程模型(下)--...

    通过案例实战掌握Spark编程模型内幕.pptx

    针对Spark的学习,可以参加一系列的实战课程,例如"决战大数据‘Spark纯实战’公益大讲坛",涵盖了Spark集群部署、编程模型、内核运行、SQL、Hive on Spark、Streaming、GraphX、SparkR、Tachyon、运维与调优等多个...

    Spark3.0.0配置文件.zip

    - `spark.master`: 这个配置指定了Spark应用程序运行的集群管理器。例如,可以设置为`local`以在本地运行,或者`yarn`、`mesos`或`k8s`以在相应的资源管理器上运行。 - `spark.app.name`: 应用程序的名称,显示在...

    2.Spark编译与部署(中)--Hadoop编译安装.pdf

    2.Spark编译与部署(上)--基础环境搭建.pdf 2.Spark编译与部署(下)--Spark编译安装.pdf 2.Spark编译与部署(中)--Hadoop编译安装.pdf 3.Spark编程模型(上)--概念及SparkShell实战.pdf 3.Spark编程模型(下)--...

    spark课程设计作业:银行用户流式判断+垃圾邮件判断+电影推荐系统(三个spark实战项目).zip

    spark课程设计作业:银行用户流式判断+垃圾邮件判断+电影推荐系统(三个spark实战项目).zipspark课程设计作业:银行用户流式判断+垃圾邮件判断+电影推荐系统(三个spark实战项目).zipspark课程设计作业:银行用户...

    Spark源码....

    Exception in thread "main" org.apache.spark.SparkException: Amaster URL must be set in your configuration at org.apache.spark.SparkContext.(SparkContext.scala:206) at org.apache.spark.api.java....

    大数据入门spark3.0入门到精通Spark-day03.rar

    2021贺岁大数据入门spark3.0入门到精通资源简介...共课程包含9个章节:Spark环境搭建,SparkCore,SparkStreaming,SparkSQL,StructuredStreaming,Spark综合案例,Spark多语言开发,Spark3.0新特性,Spark性能调优 。

    2.Spark编译与部署(下)--Spark编译安装.pdf

    2.Spark编译与部署(上)--基础环境搭建.pdf 2.Spark编译与部署(下)--Spark编译安装.pdf 2.Spark编译与部署(中)--Hadoop编译安装.pdf 3.Spark编程模型(上)--概念及SparkShell实战.pdf 3.Spark编程模型(下)--...

    4.Spark运行架构.pdf

    2.Spark编译与部署(上)--基础环境搭建.pdf 2.Spark编译与部署(下)--Spark编译安装.pdf 2.Spark编译与部署(中)--Hadoop编译安装.pdf 3.Spark编程模型(上)--概念及SparkShell实战.pdf 3.Spark编程模型(下)--...

    Spark.GraphX.in.Action.2016.6.pdf

    Spark.GraphX.in.Action.2016.6.pdf

    spark-2.3.3.tgz

    Spark SQL是Spark的一个模块,它整合了SQL查询与DataFrame API,使得用户可以用SQL或者DataFrame API对数据进行处理。DataFrame API是基于RDD的抽象,提供了一种更高级别的数据操作方式,可以跨多种数据源工作,并且...

    实验八、Spark的安装与使用.doc

    * 浏览器访问 spark.apache.org,打开 documentation 下面 latest release 页面,阅读 Spark 概述。 * 下载 spark-3.1.2-bin-hadoop3.2.tgz,并将其解压到 bigdata 用户 HOME 目录下。 三、实验内容 1. 安装 Spark...

Global site tag (gtag.js) - Google Analytics