spark运行python代码

424 查看

spark运行python代码一般使用命令
spark-submit test.py这样的形式来运行
如果代码中设置了参数的话,还需要在命令行中传入参数

其中spark默认使用的hdfs中的文档运行
如果要运行本地文件的话,可以加上file://

例如:

 spark-submit wordcount.py file:///home/tst

这样的形式

再简单记录一下spark的textfile函数,该函数返回的是一个RDD
使用spark处理数据的时候首先都要有一个RDD,然后使用这个自带的一些方法
来处理,方法如下:

转换:
    map
    filter
    flatmap
    sample
    groupByKey
    reduceByKey
    union
    join
    cogroup
    crossProduct
    mapValues
    sort
    partitionBy
操作:
    count
    collect
    reduce
    lookup
    save
在转换方法中的函数执行完后生成的还是一个RDD结构
而操作函数返回的就不是RDD了

2018 - 知识虫 - 我的知识库 渝ICP备16002641号-2

渝公网安备 50010702501581号