Apache Spark入門攻略(9)

1、成本，這個look-up table就可以作為Broadcast Variables。 akuntamukkalalocalhost/temp$ cat packagesToShip.txt ground express media priority priority ground express media scala val map = sc.parallelize(Seq(“ground”,1),(“med”,2), (“priority”,5),(“express”,10).collect().toMap map: scala.collection.immutable.MapStrin

2、g,Int = Map(ground - 1, media - 2, priority - 5, express - 10) scala val bcMailRates = sc.broadcast(map) 上述命令中，我們建立了一個broadcast variable，基于服務(wù)類別成本的map。 scala val pts = sc.textFile(“/Users/akuntamukkala/temp/packagesToShip.txt”) 在上述命令中，我們通過broadcast variable的mailing rates來計算運輸成本。 scala pts.map(shipTyp

3、e=(shipType,1).reduceByKey(_+_). mapcase (shipType,nPackages)=(shipType,nPackages*bcMailRates. value(shipType).collect() 通過上述命令，我們使用accumulator來累加所有運輸?shù)某杀?。詳細信息可通過下面的PDF查看/wp-content/uploads/2012/06/matei-zaharia-amp-camp-2012-advanced-spark.pdf。 八、Spark SQL 通過Spark Engine，Sp

4、ark SQL提供了一個便捷的途徑來進行交互式分析，使用一個被稱為SchemaRDD類型的RDD。SchemaRDD可以通過已有RDDs建立，或者其他外部數(shù)據(jù)格式，比如Parquet files、JSON數(shù)據(jù)，或者在Hive上運行HQL。SchemaRDD非常類似于RDBMS中的表格。一旦數(shù)據(jù)被導入SchemaRDD，Spark引擎就可以對它進行批或流處理。Spark SQL提供了兩種類型的ContextsSQLContext和HiveContext，擴展了SparkContext的功能。 SparkContext提供了到簡單SQL parser的訪問，而HiveContext則提供了到Hiv

5、eQL parser的訪問。HiveContext允許企業(yè)利用已有的Hive基礎(chǔ)設(shè)施。 這里看一個簡單的SQLContext示例。 下面文本中的用戶數(shù)據(jù)通過“|”來分割。 John Smith|38|M|201 East Heading Way #2203,Irving, TX,75063 Liana Dole|22|F|1023 West Feeder Rd, Plano,TX,75093 Craig Wolf|34|M|75942 Border Trail,Fort Worth,TX,7jumped over the lazy dogand went away成本，這個look-up ta

6、ble就可以作為Broadcast Variables。 akuntamukkalalocalhost/temp$ cat packagesToShip.txt ground express media priority priority ground express media scala val map = sc.parallelize(Seq(“ground”,1),(“med”,2), (“priority”,5),(“express”,10).collect().toMap map: scala.collection.immutable.MapString,Int = Map(gro

7、und - 1, media - 2, priority - 5, express - 10) scala val bcMailRates = sc.broadcast(map) 上述命令中，我們建立了一個broadcast variable，基于服務(wù)類別成本的map。 scala val pts = sc.textFile(“/Users/akuntamukkala/temp/packagesToShip.txt”) 在上述命令中，我們通過broadcast variable的mailing rates來計算運輸成本。 scala pts.map(shipType=(shipType,1).

8、reduceByKey(_+_). mapcase (shipType,nPackages)=(shipType,nPackages*bcMailRates. value(shipType).collect() 通過上述命令，我們使用accumulator來累加所有運輸?shù)某杀?。詳細信息可通過下面的PDF查看/wp-content/uploads/2012/06/matei-zaharia-amp-camp-2012-advanced-spark.pdf。 八、Spark SQL 通過Spark Engine，Spark SQL提供了一個便捷的

9、途徑來進行交互式分析，使用一個被稱為SchemaRDD類型的RDD。SchemaRDD可以通過已有RDDs建立，或者其他外部數(shù)據(jù)格式，比如Parquet files、JSON數(shù)據(jù)，或者在Hive上運行HQL。SchemaRDD非常類似于RDBMS中的表格。一旦數(shù)據(jù)被導入SchemaRDD，Spark引擎就可以對它進行批或流處理。Spark SQL提供了兩種類型的ContextsSQLContext和HiveContext，擴展了SparkContext的功能。 SparkContext提供了到簡單SQL parser的訪問，而HiveContext則提供了到HiveQL parser的訪問。H

10、iveContext允許企業(yè)利用已有的Hive基礎(chǔ)設(shè)施。 這里看一個簡單的SQLContext示例。 下面文本中的用戶數(shù)據(jù)通過“|”來分割。 John Smith|38|M|201 East Heading Way #2203,Irving, TX,75063 Liana Dole|22|F|1023 West Feeder Rd, Plano,TX,75093 Craig Wolf|34|M|75942 Border Trail,Fort Worth,TX,7成本，這個look-up table就可以作為Broadcast Variables。 akuntamukkalalocalhost/

11、temp$ cat packagesToShip.txt ground express media priority priority ground express media scala val map = sc.parallelize(Seq(“ground”,1),(“med”,2), (“priority”,5),(“express”,10).collect().toMap map: scala.collection.immutable.MapString,Int = Map(ground - 1, media - 2, priority - 5, express - 10) scal

12、a val bcMailRates = sc.broadcast(map) 上述命令中，我們建立了一個broadcast variable，基于服務(wù)類別成本的map。 scala val pts = sc.textFile(“/Users/akuntamukkala/temp/packagesToShip.txt”) 在上述命令中，我們通過broadcast variable的mailing rates來計算運輸成本。 scala pts.map(shipType=(shipType,1).reduceByKey(_+_). mapcase (shipType,nPackages)=(ship

13、Type,nPackages*bcMailRates. value(shipType).collect() 通過上述命令，我們使用accumulator來累加所有運輸?shù)某杀尽Ｔ敿毿畔⒖赏ㄟ^下面的PDF查看/wp-content/uploads/2012/06/matei-zaharia-amp-camp-2012-advanced-spark.pdf。 八、Spark SQL 通過Spark Engine，Spark SQL提供了一個便捷的途徑來進行交互式分析，使用一個被稱為SchemaRDD類型的RDD。SchemaRDD可以通過已有RDD

14、s建立，或者其他外部數(shù)據(jù)格式，比如Parquet files、JSON數(shù)據(jù)，或者在Hive上運行HQL。SchemaRDD非常類似于RDBMS中的表格。一旦數(shù)據(jù)被導入SchemaRDD，Spark引擎就可以對它進行批或流處理。Spark SQL提供了兩種類型的ContextsSQLContext和HiveContext，擴展了SparkContext的功能。 SparkContext提供了到簡單SQL parser的訪問，而HiveContext則提供了到HiveQL parser的訪問。HiveContext允許企業(yè)利用已有的Hive基礎(chǔ)設(shè)施。 這里看一個簡單的SQLContext示例。 下

15、面文本中的用戶數(shù)據(jù)通過“|”來分割。 John Smith|38|M|201 East Heading Way #2203,Irving, TX,75063 Liana Dole|22|F|1023 West Feeder Rd, Plano,TX,75093 Craig Wolf|34|M|75942 Border Trail,Fort Worth,TX,7For in that sleep of death what dreams may come成本，這個look-up table就可以作為Broadcast Variables。 akuntamukkalalocalhost/temp$

16、 cat packagesToShip.txt ground express media priority priority ground express media scala val map = sc.parallelize(Seq(“ground”,1),(“med”,2), (“priority”,5),(“express”,10).collect().toMap map: scala.collection.immutable.MapString,Int = Map(ground - 1, media - 2, priority - 5, express - 10) scala val

17、 bcMailRates = sc.broadcast(map) 上述命令中，我們建立了一個broadcast variable，基于服務(wù)類別成本的map。 scala val pts = sc.textFile(“/Users/akuntamukkala/temp/packagesToShip.txt”) 在上述命令中，我們通過broadcast variable的mailing rates來計算運輸成本。 scala pts.map(shipType=(shipType,1).reduceByKey(_+_). mapcase (shipType,nPackages)=(shipType,

18、nPackages*bcMailRates. value(shipType).collect() 通過上述命令，我們使用accumulator來累加所有運輸?shù)某杀尽Ｔ敿毿畔⒖赏ㄟ^下面的PDF查看/wp-content/uploads/2012/06/matei-zaharia-amp-camp-2012-advanced-spark.pdf。 八、Spark SQL 通過Spark Engine，Spark SQL提供了一個便捷的途徑來進行交互式分析，使用一個被稱為SchemaRDD類型的RDD。SchemaRDD可以通過已有RDDs建立，或

19、者其他外部數(shù)據(jù)格式，比如Parquet files、JSON數(shù)據(jù)，或者在Hive上運行HQL。SchemaRDD非常類似于RDBMS中的表格。一旦數(shù)據(jù)被導入SchemaRDD，Spark引擎就可以對它進行批或流處理。Spark SQL提供了兩種類型的ContextsSQLContext和HiveContext，擴展了SparkContext的功能。 SparkContext提供了到簡單SQL parser的訪問，而HiveContext則提供了到HiveQL parser的訪問。HiveContext允許企業(yè)利用已有的Hive基礎(chǔ)設(shè)施。 這里看一個簡單的SQLContext示例。 下面文本中的

20、用戶數(shù)據(jù)通過“|”來分割。 John Smith|38|M|201 East Heading Way #2203,Irving, TX,75063 Liana Dole|22|F|1023 West Feeder Rd, Plano,TX,75093 Craig Wolf|34|M|75942 Border Trail,Fort Worth,TX,7成本，這個look-up table就可以作為Broadcast Variables。 akuntamukkalalocalhost/temp$ cat packagesToShip.txt ground express media priorit

21、y priority ground express media scala val map = sc.parallelize(Seq(“ground”,1),(“med”,2), (“priority”,5),(“express”,10).collect().toMap map: scala.collection.immutable.MapString,Int = Map(ground - 1, media - 2, priority - 5, express - 10) scala val bcMailRates = sc.broadcast(map) 上述命令中，我們建立了一個broadc

22、ast variable，基于服務(wù)類別成本的map。 scala val pts = sc.textFile(“/Users/akuntamukkala/temp/packagesToShip.txt”) 在上述命令中，我們通過broadcast variable的mailing rates來計算運輸成本。 scala pts.map(shipType=(shipType,1).reduceByKey(_+_). mapcase (shipType,nPackages)=(shipType,nPackages*bcMailRates. value(shipType).collect() 通過上述命令，我們使用accumulator來累加所有運輸?shù)某杀?。詳細信息可通過下面的PDF查看http:/ampcamp.berkele