RDD จาก Parallelized Collections

Resilient Distributed Dataset (RDD) คือการ abstraction พื้นฐานใน Spark ซึ่งเป็นชุดข้อมูลแบบกระจายที่ไม่สามารถเปลี่ยนแปลงได้ เนื่องจาก RDD เป็นชนิดข้อมูลหลักและรากฐานสำคัญของ Spark จึงเป็นสิ่งจำเป็นที่ต้องเข้าใจวิธีสร้างมันขึ้นมา ในแบบฝึกหัดนี้ คุณจะสร้าง RDD แรกใน PySpark จากชุดคำศัพท์

โดย SparkContext sc พร้อมใช้งานแล้วใน workspace ของคุณ

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Big Data Fundamentals with PySpark

ดูคอร์ส

คำแนะนำการฝึกหัด

สร้าง RDD ชื่อ RDD จาก Python list ของคำศัพท์
ตรวจสอบว่าออบเจ็กต์ที่สร้างขึ้นเป็น RDD

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Create an RDD from a list of words
RDD = sc.____(["Spark", "is", "a", "framework", "for", "Big Data processing"])

# Print out the type of the created object
print("The type of RDD is", ____(RDD))

แก้ไขและรันโค้ด