假设我有一个很大的序列文件,但是我只想在本地处理前1000行。我怎样才能做到这一点?

目前我的代码看起来像这样

JavaPairRDD<IntWritable,VectorWritable> seqVectors = sc.sequenceFile(inputPath, IntWritable.class, VectorWritable.class);

最佳答案

您应该做的是这些parallelizearray:

JavaPairRDD<IntWritable,VectorWritable> RDDwith1000 = sc.parallelize(seqVectors.take(1000));

参见here及以下的简单示例:

java - 如何从Spark中的序列文件中提取行的范围?-LMLPHP

10-08 01:31