Spark2.X 分布式弹性数据集
1. 三大弹性数据集介绍
1）概念
2）优缺点对比
2. Spark RDD概述与创建方式
1）概述
在集群背后，有一个非常重要的分布式数据架构，即弹性分布式数据集（resilientdistributed dataset，RDD），它是逻辑集中的实体，在集群中的多台机器上进行了数据分区。RDD是Spark的核心数据结构，通过RDD的依赖关系形成Spark的调度顺序。 通过对RDD的操作形成整个Spark程序。
2）创建方式
a）创建方式一
- scala> val data = Array(1, 2, 3, 4, 5)
- scala> val distData = sc.parallelize(data)
b）创建方式二
- scala> val distFile = sc.textFile("data.txt")
- distFile: org.apache.spark.rdd.RDD[String] = data.txt MapPartitionsRDD[10] at textFile at < console >:26
3. spark RDD 五大特性
4. spark RDD操作方式
1）RDD是一个懒执行，直到Action阶段才会真正执行。
2）RDD三大操作
a）Transfamation 函数
b）Action函数
c）具体使用
5. DataFrame创建方式与功能
1）什么是DataFrame
2）DataFrame与RDD对比
3）DataFrame与DataSet对比
4）创建方式一：RDD转换DataFrame
5）创建方式一：DataSet转换DataFrame
6. DataSet创建方式及功能
DataSet创建方式
7. Spark2.X源码分析
下载Spark2.2-src源码包，解压之后导出idea工具即可。
8. 数据集之间的对比和转换
1）RDD与DataSet数据操作方式
2）转换操作
DataFrame/DataSet转RDD分组排序