美文网首页
195、Spark 2.0之Dataset开发详解-typed操

195、Spark 2.0之Dataset开发详解-typed操

作者: ZFH__ZJ | 来源:发表于2019-02-12 11:44 被阅读0次

randomSplit:根据weight(权重值)将一个RDD划分成多个RDD,权重越高划分得到的元素较多的几率就越大
sample:可以使用指定的比例,比如说0.1或者0.9,从RDD中随机抽取10%或者90%的数据,从RDD中随机抽取数据的功能

代码

object TypedOperation {

  case class Employee(name: String, age: Long, depId: Long, gender: String, salary: Long)

  def main(args: Array[String]): Unit = {
    val sparkSession = SparkSession
      .builder()
      .appName("BasicOperation")
      .master("local")
      .getOrCreate()

    import sparkSession.implicits._
    import org.apache.spark.sql.functions._

    val employeePath = this.getClass.getClassLoader.getResource("employee.json").getPath

    val employeeDF = sparkSession.read.json(employeePath)

    val employeeDS = employeeDF.as[Employee]

    employeeDS.randomSplit(Array(1,2,2,3)).foreach(ds => ds.show())

    employeeDS.sample(0.4).show()

  }
}

相关文章

网友评论

      本文标题:195、Spark 2.0之Dataset开发详解-typed操

      本文链接:https://www.haomeiwen.com/subject/xnkqeqtx.html