scala – flatMap与map的效率,然后是Spark中的reduce
发布时间:2020-12-16 18:08:30 所属栏目:安全 来源:网络整理
导读:我有一个包含多行文本的文本文件sherlock.txt.我使用以下命令将其加载到spark- shell中: val textFile = sc.textFile("sherlock.txt") 我的目的是计算文件中的单词数.我遇到了两种替代方法来完成这项工作. 首先使用flatMap: textFile.flatMap(line = line.
我有一个包含多行文本的文本文件sherlock.txt.我使用以下命令将其加载到spark-
shell中:
val textFile = sc.textFile("sherlock.txt") 我的目的是计算文件中的单词数.我遇到了两种替代方法来完成这项工作. 首先使用flatMap: textFile.flatMap(line => line.split(" ")).count() 第二个使用map后跟reduce: textFile.map(line => line.split(" ").size).reduce((a,b) => a + b) 两者都正确地产生相同的结果.我想知道上述两种替代实现的时间和空间复杂性的差异,如果确实存在的话? scala解释器是否将两者都转换为最有效的形式? 解决方法
我认为处理这个问题最常用的方法是映射和求和:
textFile.map(_.split(" ").size).sum 但是在一天结束时,总费用将由line.split(“”)主导. 通过手动迭代字符串并计算连续的空格而不是构建新的数组,你可能会做得更好一点,但我怀疑它是值得所有的大惊小怪. 如果你更喜欢一点点深入了解 def count(): Long = sc.runJob(this,Utils.getIteratorSize _).sum Utils.getIteratorSize与Iterator相比是一个天真的迭代,其中包含一个和 _.fold(0.0)(_ + _) (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |