RDD的创建 spark 所有的操作都围绕着弹性分布式数据集（RDD）进行，这是一个有容错机制的并可以被并行操作的元素集合，具有只读、分区、容错、高效、无需物化、可以缓存、RDD依赖等特征
RDD的创建基础RDD
1.并行集合（Parallelized Collections）:接收一个已经存在的Scala集合，然后进行各种并行运算
var sc=new SparkContext(conf)
var rdd=sc.parallelize(Array(2,4,9,3,5,7,8,1,6));
rdd.foreach(println)
2.hadoop 数据集（Hadoop Datasets）:在一个文件的每条记录上运行函数只要文件系统是HDFS，或者hadoop支持的任意存档存储系统即可
val file=sc.textFile("hdfs://hostname:9090/path/somefile.txt")
Map的操作
map(func) 返回一个新的RDD ，由每一个元素经过func后转换组成
//设置conf master =local 为本地模式， appNamm 是应用程序的名称
var conf=new SparkConf().setMaster("local[1]").setAppName("RDD")
var sc=new SparkContext(conf)
// 加载一个数组，然后给没一个元素乘以2， 并且输出
var rdd=sc.parallelize(Array(2,4,9,3,5,7,8,1,6)).map(_*2).collect().foreach(println)
filter(func) 返回一个新的RDD，由func函数计算后返回为true 的元素组成
//返回字母为b的元素
var strrdd=sc.parallelize(Array("a","b","c","d")).filter(_=="b").foreach(println)
flatMap(func) 类似于Map 但是每一个输入元素被映射成0个或多个输出元素，因此func 应该返回一个序列，而不是单一元素
//把每一个元素乘以2然后在压平，输出
var list=sc.parallelize(List(List(1,6),List(2,7),List(3,8),List(4,9),List(5,10)))
list.flatMap(_.map(_*2)).foreach(println)
下面用flatMap做一个wordcount的例子，新建一个文件建立了一下几个字段
/读取本地文件然后 。用split函数 把元素拆分成单一的元素，然后再用个map 给没个元素设置一个1， 在用reduceByKey把相同key的数量相加
var txtrdd=sc.textFile("d:/517/wc.txt").flatMap(_.split(" ")).map(x=>(x,1)).reduceByKey(_+_).foreach(println)
result:
(tome,1)
(tom,1)
(xiaoli,1)
(lusi,1)
(hello,7)
(java,1)
(jame,2)
distinct(numTasks) 返回一个数据集中不包含重复元素的新数据集 （去重）
var la=sc.parallelize(List(("A",1),("A",6),("B",2),("B",7),("A",1)))
var distinct=la.distinct()
result:
(A,1)
(A,6)
(B,7)
(B,2)
union(otherDataset) 返回一个新的数据集，新数据集由源数据集和参数数据集共同构成
var lb=sc.parallelize(List(("A",1),("A",6),("B",2),("B",7),("C",3)))
var la=sc.parallelize(List(("A",1),("A",6),("D",2),("E",7),("A",1)))
var distinct=la.union(lb)
distinct.foreach(println
result:
(A,1)
(A,6)
(D,2)
(E,7)
(A,1)
(A,1)
(A,6)
(B,2)
(B,7)
(C,3)
intersection(otherDataset) 返回一个新的数据集，新数据集由源数据集和参数数据集的交集构成
var lb=sc.parallelize(List(("A",1),("A",6),("B",2),("B",7),("C",3)))
var la=sc.parallelize(List(("A",1),("A",6),("D",2),("E",7),("A",1)))
var distinct=la.intersection(lb)
distinct.foreach(println)
result:
(A,1)
(A,6)
spark 教程三 spark Map filter flatMap union distinct intersection操作
原文：http://www.cnblogs.com/IChing/p/7133572.html