SparkFastDataAnalysis

第 4 章 键值对操作

• 介绍如何操作键值对 RDD。
• 讨论用来让用户控制键值对 RDD 在各节点上分布情况的高级特性：分区。
  使用可控的分区方式把常被一起访问的数据放到同一个节点上，可以大大减少应用的通信开销。

  本章目录

  1. 动机
  2. 创建 Pair RDD
  3. Pair RDD 的转化操作
     3.1 聚合操作
     3.2 数据分组
     3.3 连接
     3.4 数据排序
  4. Pair RDD 的行动操作
  5. 数据分区（进阶）
     5.1 获取 RDD 的分区方式
     5.2 从分区中获益的操作
     5.3 影响分区方式的操作
     5.4 示例：PageRank
     5.5 自定义分区方式

     本章总结

• 学习了如何使用 Spark 提供的专门的函数来操作键值对数据。