Scala flatMap与map的效率以及Spark中的减少
我有一个文本文件sherlock.txt,其中包含多行文本。我使用以下方法将其装入spark shell:Scala flatMap与map的效率以及Spark中的减少,scala,apache-spark,mapreduce,rdd,flatmap,Scala,Apache Spark,Mapreduce,Rdd,Flatmap,我有一个文本文件sherlock.txt,其中包含多行文本。我使用以下方法将其装入spark shell: val textFile = sc.textFile("sherlock.txt") 我的目的是计算文件中的字数。我遇到了两种做这项工作的替代方法 首先使用flatMap: textFile.flatMap(line => line.split(" ")).count() 第二步使用map,然后使用reduce: textFile.map(line => line.spli
val textFile = sc.textFile("sherlock.txt")
我的目的是计算文件中的字数。我遇到了两种做这项工作的替代方法
首先使用flatMap:
textFile.flatMap(line => line.split(" ")).count()
第二步使用map,然后使用reduce:
textFile.map(line => line.split(" ").size).reduce((a, b) => a + b)
两者正确地产生相同的结果。我想知道上述两种替代实现在时间和空间复杂性上的差异,如果确实存在的话
scala解释器是否将两者转换为最有效的形式?我认为处理这一问题最惯用的方法是
map
和sum
:
textFile.map(_.split(" ").size).sum
但最终总成本将由line.split(“”
)控制
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
,您可能会做得更好一些,但我怀疑这样做是否值得大惊小怪
如果您喜欢更深入的了解:
其中,Utils.getIteratorSize
几乎是对Iterator
的一个简单迭代,它包含一个和
def count(): Long = sc.runJob(this, Utils.getIteratorSize _).sum
_.fold(0.0)(_ + _)