大数据：spark RDD编程
2022找工作是学历、能力和运气的超强结合体，遇到寒冬，大厂不招人，可能很多算法学生都得去找开发，测开
测开的话，你就得学数据库，sql，oracle，尤其sql要学，当然，像很多金融企业、安全机构啥的，他们必须要用oracle数据库
这oracle比sql安全，强大多了，所以你需要学习，最重要的，你要是考网络警察公务员，这玩意你不会就别去报名了，耽误时间！
与此同时，既然要考网警之数据分析应用岗，那必然要考数据挖掘基础知识，今天开始咱们就对数据挖掘方面的东西好生讲讲 最最最重要的就是大数据，什么行测和面试都是小问题，最难最最重要的就是大数据技术相关的知识笔试
文章目录
- 大数据：spark RDD编程
- @[TOC](文章目录)
- 大数据：spark RDD编程
- RDD算子
- transformation算子
- 总结
文章目录
- 大数据：spark RDD编程
- @[TOC](文章目录)
- 大数据：spark RDD编程
- RDD算子
- transformation算子
- 总结
大数据：spark RDD编程
类似于dataloader一样
from pyspark import SparkConf, SparkContext
sc要通过SparkContext对象构建
然后sc.parallize(迭代器对象，分区数量)
构建RDD就出来了
默认分区会不会是1？
根据cpu的核数量
collect就是收集结果，展示出来
相当于Tensor.data
转回本地集合打印输出
textFile(文件路径，分区数)
当小文件夹中有一堆小文件
使用wholetextFile
RDD算子
算子，分布式对象的计算子函数
collect是action算子
它转化后不是RDD
collect来了，才开始干上面的transform活
开关一打开，转换工序就开始了
懂了
所以代码不是一步步执行下去，而是要看开关开不开
transformation算子
lambda x:x*10
统统乘10
传入的是一个函数
二维数组
变为一维数组
懂？
先map
后flat，放平
直接放平就行
flat就直接干完事
根据key分组
然后根据value聚合
如果只有12345呢？
那就根据数字直接分组
然后22相加，叠加式相加聚合
最后相当于求和
统计单词，然后聚合
收集打印输出
总结
提示：重要经验：
1）
2）学好oracle，即使经济寒冬，整个测开offer绝对不是问题！同时也是你考公网络警察的必经之路。
3）笔试求AC，可以不考虑空间复杂度，但是面试既要考虑时间复杂度最优，也要考虑空间复杂度最优。
