Apache Spark入门攻略(9)

1、成本，这个look-up table就可以作为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，我们建立了一个broadcast variable，基于服务类别成本的map。 scala val pts = sc.textFile(“/Users/akuntamukkala/temp/packagesToShip.txt”) 在上述命令中，我们通过broadcast variable的mailing rates来计算运输成本。 scala pts.map(shipTyp

3、e=(shipType,1).reduceByKey(_+_). mapcase (shipType,nPackages)=(shipType,nPackages*bcMailRates. value(shipType).collect() 通过上述命令，我们使用accumulator来累加所有运输的成本。详细信息可通过下面的PDF查看/wp-content/uploads/2012/06/matei-zaharia-amp-camp-2012-advanced-spark.pdf。 八、Spark SQL 通过Spark Engine，Sp

4、ark SQL提供了一个便捷的途径来进行交互式分析，使用一个被称为SchemaRDD类型的RDD。SchemaRDD可以通过已有RDDs建立，或者其他外部数据格式，比如Parquet files、JSON数据，或者在Hive上运行HQL。SchemaRDD非常类似于RDBMS中的表格。一旦数据被导入SchemaRDD，Spark引擎就可以对它进行批或流处理。Spark SQL提供了两种类型的ContextsSQLContext和HiveContext，扩展了SparkContext的功能。 SparkContext提供了到简单SQL parser的访问，而HiveContext则提供了到Hiv

5、eQL parser的访问。HiveContext允许企业利用已有的Hive基础设施。 这里看一个简单的SQLContext示例。 下面文本中的用户数据通过“|”来分割。 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，这个look-up ta

6、ble就可以作为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，我们建立了一个broadcast variable，基于服务类别成本的map。 scala val pts = sc.textFile(“/Users/akuntamukkala/temp/packagesToShip.txt”) 在上述命令中，我们通过broadcast variable的mailing rates来计算运输成本。 scala pts.map(shipType=(shipType,1).

8、reduceByKey(_+_). mapcase (shipType,nPackages)=(shipType,nPackages*bcMailRates. value(shipType).collect() 通过上述命令，我们使用accumulator来累加所有运输的成本。详细信息可通过下面的PDF查看/wp-content/uploads/2012/06/matei-zaharia-amp-camp-2012-advanced-spark.pdf。 八、Spark SQL 通过Spark Engine，Spark SQL提供了一个便捷的

9、途径来进行交互式分析，使用一个被称为SchemaRDD类型的RDD。SchemaRDD可以通过已有RDDs建立，或者其他外部数据格式，比如Parquet files、JSON数据，或者在Hive上运行HQL。SchemaRDD非常类似于RDBMS中的表格。一旦数据被导入SchemaRDD，Spark引擎就可以对它进行批或流处理。Spark SQL提供了两种类型的ContextsSQLContext和HiveContext，扩展了SparkContext的功能。 SparkContext提供了到简单SQL parser的访问，而HiveContext则提供了到HiveQL parser的访问。H

10、iveContext允许企业利用已有的Hive基础设施。 这里看一个简单的SQLContext示例。 下面文本中的用户数据通过“|”来分割。 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，这个look-up table就可以作为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，我们建立了一个broadcast variable，基于服务类别成本的map。 scala val pts = sc.textFile(“/Users/akuntamukkala/temp/packagesToShip.txt”) 在上述命令中，我们通过broadcast variable的mailing rates来计算运输成本。 scala pts.map(shipType=(shipType,1).reduceByKey(_+_). mapcase (shipType,nPackages)=(ship

13、Type,nPackages*bcMailRates. value(shipType).collect() 通过上述命令，我们使用accumulator来累加所有运输的成本。详细信息可通过下面的PDF查看/wp-content/uploads/2012/06/matei-zaharia-amp-camp-2012-advanced-spark.pdf。 八、Spark SQL 通过Spark Engine，Spark SQL提供了一个便捷的途径来进行交互式分析，使用一个被称为SchemaRDD类型的RDD。SchemaRDD可以通过已有RDD

14、s建立，或者其他外部数据格式，比如Parquet files、JSON数据，或者在Hive上运行HQL。SchemaRDD非常类似于RDBMS中的表格。一旦数据被导入SchemaRDD，Spark引擎就可以对它进行批或流处理。Spark SQL提供了两种类型的ContextsSQLContext和HiveContext，扩展了SparkContext的功能。 SparkContext提供了到简单SQL parser的访问，而HiveContext则提供了到HiveQL parser的访问。HiveContext允许企业利用已有的Hive基础设施。 这里看一个简单的SQLContext示例。 下

15、面文本中的用户数据通过“|”来分割。 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，这个look-up table就可以作为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，我们建立了一个broadcast variable，基于服务类别成本的map。 scala val pts = sc.textFile(“/Users/akuntamukkala/temp/packagesToShip.txt”) 在上述命令中，我们通过broadcast variable的mailing rates来计算运输成本。 scala pts.map(shipType=(shipType,1).reduceByKey(_+_). mapcase (shipType,nPackages)=(shipType,

18、nPackages*bcMailRates. value(shipType).collect() 通过上述命令，我们使用accumulator来累加所有运输的成本。详细信息可通过下面的PDF查看/wp-content/uploads/2012/06/matei-zaharia-amp-camp-2012-advanced-spark.pdf。 八、Spark SQL 通过Spark Engine，Spark SQL提供了一个便捷的途径来进行交互式分析，使用一个被称为SchemaRDD类型的RDD。SchemaRDD可以通过已有RDDs建立，或

19、者其他外部数据格式，比如Parquet files、JSON数据，或者在Hive上运行HQL。SchemaRDD非常类似于RDBMS中的表格。一旦数据被导入SchemaRDD，Spark引擎就可以对它进行批或流处理。Spark SQL提供了两种类型的ContextsSQLContext和HiveContext，扩展了SparkContext的功能。 SparkContext提供了到简单SQL parser的访问，而HiveContext则提供了到HiveQL parser的访问。HiveContext允许企业利用已有的Hive基础设施。 这里看一个简单的SQLContext示例。 下面文本中的

20、用户数据通过“|”来分割。 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，这个look-up table就可以作为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，我们建立了一个broadc

22、ast variable，基于服务类别成本的map。 scala val pts = sc.textFile(“/Users/akuntamukkala/temp/packagesToShip.txt”) 在上述命令中，我们通过broadcast variable的mailing rates来计算运输成本。 scala pts.map(shipType=(shipType,1).reduceByKey(_+_). mapcase (shipType,nPackages)=(shipType,nPackages*bcMailRates. value(shipType).collect() 通过上述命令，我们使用accumulator来累加所有运输的成本。详细信息可通过下面的PDF查看http:/ampcamp.berkele