[英]Split RDD with Apache Spark Scala
我有以下RDD:
x: Array[String] =
Array("Et: NT=grouptoClassify,hadoop-exec,sparkConnection,Ready
group: NT=app_1,hadoop-exec,sparkConnection,Ready
group: NT=app_exmpl_2,DB-exec,MDBConnection,NR
group: NT=apprexec,hadoop-exec,sparkConnection,Ready
group: NT=nt_prblm_app,hadoop-exec,sparkConnection,NR
我只想获取此 RDD 的每个部分的第一部分,如您在下一个示例中所见:
Et: NT=grouptoClassify
group: NT=app_1
group: NT=app_exmpl_2
group: NT=apprexec
group: NT=nt_prblm_app
这就是我正在尝试的。
//Here I get the RDD:
var x = spark.sparkContext.parallelize(List(value)).collect()
//Try to split it
x = x.map(g => g.split(",")(0))
这是我正在尝试的,但对我不起作用,因为我刚刚得到第一个项目:
Et: NT=grouptoClassify
我是 Apache Spark Scala 的新手。 如果您需要更多东西,请告诉我。 提前致谢!
避免使用 Spark rdds 和数据帧的var
。 使用不可变val
对象:
val rdd =
sparkSession
.sparkContext
.parallelize(List(value))
.map(g => g.split(",").head)
val strings = rdd.collect()
collect
。 这将检索驱动程序上的分布式数据,即那些字符串这是RDD 编程指南。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.