网站优化/爱站网 关键词挖掘
1. 创建RDD
-
通过
SparkContext的parallelize方法从本地集合创建RDD。 -
从外部存储（如HDFS、本地文件系统）加载数据创建RDD。
-
通过对已有RDD进行转换操作生成新的RDD。
2. 转换操作（Transformation）
-
对RDD进行操作（如
map、filter、flatMap等）生成新的RDD。 -
转换操作是惰性计算的，不会立即执行，而是记录操作的“血统”（lineage）。
3. 行动操作（Action）
-
触发RDD的实际计算，例如
collect、count、saveAsTextFile等。 -
行动操作会启动作业执行，并返回结果或写入外部存储。
4. 持久化（可选）
-
使用
cache或persist将RDD缓存到内存或磁盘，避免重复计算。
5. 释放资源（可选）
-
使用
unpersist释放持久化的RDD，释放资源。
总结
RDD的处理过程是：创建RDD → 转换操作（Transformation） → 行动操作（Action）。