Databricks的Learning Spark - Lighting-Fast Data Analysis，2015-01-26第一版，作者是Holden Karau, Andy Konwinski, Patrick Wendell, and Matei Zaharia，搞Spark的应该都知道吧。这是翻译的第四章，第三章已上传，发现问题请告知，谢谢。

RDD:弹性分布式数据集(ResilientDistributed Dataset),是Spark对数据的核心抽象。RDD其实是分布式的元素集合。当Spark对数据操作和转换时，会自动将RDD中的数据分发到集群，并将操作并行化执行。 Spark中的RDD是一个不可变的分布式对象集合。每个RDD都倍分为多个分区，这些分区运行在集群中的不同节点。RDD可以包含Python、Java、Scala中任意类型的对象，甚至可以包含用户自定义对象，本文主要通过Java实现相关示例。 Spark程序或shel

python及scala代码实现的spark算子及图解，能帮助你形象化的理解算子的意义sdatabricks Song Recommendations yor making big data simple oA-.ctextfile!sn: / /M_1_DCKET fiumI Py SLaI k syt -Ipur L Ruw det tul Lypase Founded in late 2013 1l, key, Loud ess,Btisic tron songs TABLESANPLE(

键值对 两个Pair RDD 转化操作 val conf = new SparkConf().setMaster(local).setAppName(PairRDD) val sc = new SparkContext(conf) val lines = sc.parallelize(List((1, 2), (3, 4), (3, 6))) val lines_1 = sc.parallelize(List((3, 9))) 1、删掉RDD中与other RDD 中的键相同得