栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

spark3快速入门

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

spark3快速入门

简介

在 Spark 2.0 之前,Spark 的主要编程接口是弹性分布式数据集(RDD)。在 Spark 2.0 之后,RDD 被 Dataset 取代,它像 RDD 一样是强类型的,但在底层进行了更丰富的优化。仍然支持 RDD 接口,您可以在RDD 编程指南中获得更详细的参考。但是,我们强烈建议您改用 Dataset,它的性能比 RDD 更好。请参阅SQL 编程指南以获取有关数据集的更多信息。

也就是Spark1,对应RDD; Spark2, 对应 Dataset

Interactive Analysis with the Spark Shell
pyspark
>>> textFile = spark.read.text("README.md")
>>> textFile.count()  # Number of rows in this DataFrame
126

>>> textFile.first()  # First row in this DataFrame
Row(value=u'# Apache Spark')

Caching
>>> linesWithSpark.cache()

>>> linesWithSpark.count()
15

>>> linesWithSpark.count()
15
Self-Contained Applications 独立的应用程序
from pyspark.sql import SparkSession

logFile = "YOUR_SPARK_HOME/README.md"  # Should be some file on your system
spark = SparkSession.builder.appName("SimpleApp").getOrCreate()
logData = spark.read.text(logFile).cache()

numAs = logData.filter(logData.value.contains('a')).count()
numBs = logData.filter(logData.value.contains('b')).count()

print("Lines with a: %i, lines with b: %i" % (numAs, numBs))

spark.stop()
# Use spark-submit to run your application
$ YOUR_SPARK_HOME/bin/spark-submit 
  --master local[4] 
  SimpleApp.py
...
Lines with a: 46, Lines with b: 23

# Use the Python interpreter to run your application
$ python SimpleApp.py
...
Lines with a: 46, Lines with b: 23

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/968484.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号