Spark的算子的分類
從大方向來說，Spark 算子大致可以分為以下兩類:
1）Transformation 變換/轉換算子：這種變換並不觸發提交作業，完成作業中間過程處理。
Transformation 操作是延遲計算的，也就是說從一個RDD 轉換生成另一個RDD 的轉換操作不是馬上執行，需要等到有Action 操作的時候才會真正觸發運算。
2）Action 行動算子：這類算子會觸發SparkContext 提交Job 作業。
Action 算子會觸發Spark 提交作業（Job），並將數據輸出Spark系統。
從小方向來說，Spark 算子大致可以分為以下三類:
1）Value數據類型的Transformation算子，這種變換並不觸發提交作業，針對處理的數據項是Value型的數據。
2）Key-Value數據類型的Transfromation算子，這種變換並不觸發提交作業，針對處理的數據項是Key-Value型的數據對。
3）Action算子，這類算子會觸發SparkContext提交Job作業。
引言
通常寫spark的程序用scala比較方便，畢竟spark的源碼就是用scala寫的。然而，目前java開發者特別多，尤其進行數據對接、上線服務的時候，這時候，就需要掌握一些spark在java中的使用方法了
一、map
map在進行數據處理、轉換的時候，不能更常用了
在使用map之前首先要定義一個轉換的函數格式如下：
Function<String, LabeledPoint> transForm = new Function<String, LabeledPoint>() {//String是某一行的輸入類型LabeledPoint是轉換後的輸出類型@Override public LabeledPoint call(String row) throws Exception {//重寫call方法String[] rowArr = row.split(","); int rowSize = rowArr.length; double[] doubleArr = new double[rowSize-1]; //除了第一位的lable外其餘的部分解析成double 然後放到數組中for (int i = 1; i < rowSize; i++) { String each = rowArr[i]; doubleArr[i] = Double.parseDouble(each); } //用剛才得到的數據轉成向量Vector feature = Vectors.dense(doubleArr); double label = Double.parseDouble(rowArr[0]); //構造用於分類訓練的數據格式LabelPoint LabeledPoint point = new LabeledPoint(label, feature); return point; } };需要特別注意的是：
1、call方法的輸入應該是轉換之前的數據行的類型返回值應是處理之後的數據行類型
2、如果轉換方法中調用了自定義的類，注意該類名必須實現序列化比如
public class TreeEnsemble implements Serializable {}3、轉換函數中如果調用了某些類的對象，比如該方法需要調用外部的一個參數，或者數值處理模型（標準化，歸一化等），則該對象需要聲明是final
然後就是在合適的時候調用該轉換函數了
JavaRDD<LabeledPoint> rdd = oriData.toJavaRDD().map(transForm);
這種方式是需要將普通的rdd轉成javaRDD才能使用的，轉成javaRDD的這一步操作不耗時，不用擔心
二、filter
在避免數據出現空值、0等場景中也非常常用，可以滿足sql中where的功能
這里首先也是要定義一個函數，該函數給定數據行返回布爾值實際效果是將返回為true的數據保留
Function<String, Boolean> boolFilter = new Function<String, Boolean>() {//String是某一行的輸入類型Boolean是對應的輸出類型用於判斷數據是否保留@Override public Boolean call(String row) throws Exception {//重寫call方法boolean flag = row!=null; return flag; } };通常該函數實際使用中需要修改的僅僅是row的類型也就是數據行的輸入類型，和上面的轉換函數不同，此call方法的返回值應是固定為Boolean
然後是調用方式
JavaRDD<LabeledPoint> rdd = oriData.toJavaRDD().filter(boolFilter);
三、mapToPair
該方法和map方法有一些類似，也是對數據進行一些轉換。不過此函數輸入一行輸出的是一個元組，最常用的方法是用來做交叉驗證或者統計錯誤率召回率計算AUC等等
同樣，需要先定義一個轉換函數
Function<String, Boolean> transformer = new PairFunction<LabeledPoint, Object, Object>() {//LabeledPoint是輸入類型後面的兩個Object不要改動@Override public Tuple2 call(LabeledPoint row) throws Exception {//重寫call方法通常只改動輸入參數輸出不要改動double predicton = thismodel.predict(row.features()); double label = row.label(); return new Tuple2(predicton, label); } });關於調用的類、類的對象，要求和之前的一致，類需要實現序列化，類的對象需要聲明成final類型
相應的調用如下：
JavaPairRDD<Object, Object> predictionsAndLabels = oriData.mapToPair(transformer);
然後對該predictionsAndLabels的使用，計算準確率、召回率、精准率、AUC，接下來的博客中會有，敬請期待
總結
以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作具有一定的參考學習價值，如果有疑問大家可以留言交流，謝謝大家對武林網的支持。