Spark API 详解/大白话解释 之 RDD、partiti

Spark API 详解/大白话解释 之 RDD、partition、count、collect - 郭同jet · 静心 - 博客频道 - CSDN.NET
http://blog.csdn.net/guotong1988/article/details/50554034

RDD定义：
任何数据在Spark中都被转换为RDD。
一个RDD可以看成是一个数组
不过是分到各个分区，分布在不同的机器上，可并行处理。
分区的定义： 一个RDD有多个RDD分区 一个RDD分区只在一个机器上 一个机器可有多个RDD分区 http://stackoverflow.com/questions/31359219/relationship-between-rdd-partitions-and-nodes
由数据转换为RDD：
举例：从普通数组创建RDD，里面包含了1到9这9个数字，它们分别在3个分区中。这个RDD一共9个元素，每个元素含有一个数字
val a = sc.parallelize(1 to 9, 3)
1

1

举例：读取本地文件README.md来创建RDD，文件中的每一行就是RDD中的一个元素，分区是2
val b = sc.textFile("README.md",2)
1

1

count( ) 返回RDD的元素个数
collect( ) 返回整个RDD
http://homepage.cs.latrobe.edu.au/zhe/ZhenHeSparkRDDAPIExamples.html