Spark是大数据体系的明星产品,是一款高性能的分布式内存迭代计算框架,可以处理海量规模的数据。下面就带大家来学习今天的内容!
一、程序入口 SparkContext对象
Spark RDD 编程的程序入口对象是SparkContext对象(不论何种编程语言),只有构建出SparkContext, 基于它才能执行后续的API调用和计算。本质上, SparkContext对编程来说, 主要功能就是创建第一个RDD出来。

二、 RDD的创建
RDD的创建主要有2种方式:
• 通过并行化集合创建 ( 本地对象 转 分布式RDD)
• 读取外部数据源 ( 读取文件 )








三、 RDD 算子



四、常用Transformation算子


















五、 常用 Action 算子














六、分区操作算子







七、面试题: groupByKey和reduceByKey的区别



