如何在Spark中生成大量记录

Question

如何在Spark中生成具有多个字段的大量记录（无记录）。我不从文件读取数据，但数据将是随机生成的数据。根据该数据，我想创建RDD 。

Answer 1

您可以参考Spark提供的随机数据生成 。

RandomRDDs提供了工厂方法来生成随机双RDD或矢量RDD。

import org.apache.spark.SparkContext
import org.apache.spark.mllib.random.RandomRDDs._


val sc: SparkContext = ...

// Generate a random double RDD that contains 1 million i.i.d. values drawn from the
// standard normal distribution `N(0, 1)`, evenly distributed in 10 partitions.
val u = normalRDD(sc, 1000000L, 10)
// Apply a transform to get a random double RDD following `N(1, 4)`.
val v = u.map(x => 1.0 + 2.0 * x)