Spark filter算子学习使用详解

filter(func):

    1、选出所有func返回值为true的元素，生成一个新的分布式数据集返回

如图：

示例代码：

实现 Rdd ,每个元素*2，并输出结果>5的数据

def my_filter():
    data = [1,2,3,4,5]
    rdd1 =sc.parallelize(data)
    map_rdd = rdd1.map(lambda x:x*2) 

 print(map_rdd.collect())
    filter_rdd = map_rdd.filter(lambda x:x>5) 

 print(filter_rdd.collect()) 

 #链示实示方式  

 #sc.parallelize(data).map(lambda x:x*2).filter(lambda x:x>5).collect()