Spark使用Python：将RDD输出保存到文本文件中

Question

我正在使用python尝试spark中的单词计数问题。但是，当我试图使用.saveAsTextFile命令将输出RDD保存到文本文件中时，我面临着这个问题。这是我的密码。请帮帮我。我卡住了。感谢你的时间。

import re

from pyspark import SparkConf , SparkContext

def normalizewords(text):
    return re.compile(r'\W+',re.UNICODE).split(text.lower())

conf=SparkConf().setMaster("local[2]").setAppName("sorted result")
sc=SparkContext(conf=conf)

input=sc.textFile("file:///home/cloudera/PythonTask/sample.txt")

words=input.flatMap(normalizewords)

wordsCount=words.map(lambda x: (x,1)).reduceByKey(lambda x,y: x+y)

sortedwordsCount=wordsCount.map(lambda (x,y):(y,x)).sortByKey()

results=sortedwordsCount.collect()

for result in results:
    count=str(result[0])
    word=result[1].encode('ascii','ignore')

    if(word):
        print word +"\t\t"+ count

results.saveAsTextFile("/var/www/myoutput")

Answer 1

既然你收集了results=sortedwordsCount.collect()所以，它不是RDD。它将是普通的python列表或元组。

如您所知，list是python对象/数据结构，append是添加元素的方法。

>>> x = []
>>> x.append(5)
>>> x
[5]

Similarly RDD is sparks object/data structure and saveAsTextFile is method to write the file. Important thing is its distributed data structure.

因此，我们不能在RDD上使用append，也不能在list上使用saveAsTextFile。collect是RDD上获取RDD到驱动程序内存的方法。

如注释中所述，用saveAsTextFile保存sortedwordsCount，或用python打开文件，并使用results写入文件