RDD_行动算子fold

作用：和reduce相似，按照传入的计算逻辑进行聚合，不同的地方是该方法带有初始值，该初始值会被用在：

1. 分区内聚合
2. 分区间聚合。

比如：[[1, 2, 3], [4, 5, 6], [7, 8, 9]]数据分布在3个分区：

分区一：10+1+2+3=16

分区二：10+4+5+6=25

分区三：10+7+8+9=34

分区间聚合：10+16+25+34=85

xxxxxxxxxx
package com.itbaizhan.rdd.action

//1.导入类
import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}

object RddFold {
  def main(args: Array[String]): Unit = {
    //2.构建SparkConf对象，并设置本地运行和程序名称
    val conf: SparkConf = new SparkConf().setMaster("local[1]").
      setAppName("fold")
    //3.使用conf对象构建SparkContet对象
    val sc = new SparkContext(conf)
    //5.创建RDD对象
    //val rdd: RDD[Int] = sc.parallelize(List(1, 2, 3, 4, 5, 6, 7, 8, 9), 1)
    val rdd: RDD[Int] = sc.parallelize(List(1, 2, 3, 4, 5, 6, 7, 8, 9), 3)
    //6.执行带有初始值的fold聚合操作
    //10表示初始值，_+_表示做聚合加操作
    //RDD对象中所有元素的和+(partitionNum+1)*10
    val result: Int = rdd.fold(10)(_ + _)
    //7.注意：初始值的类型要和RDD中数据的类型一致
    //rdd.fold(10.5)(_+_)//错误的
    println(result)
    //4.关闭sc对象
    sc.stop()
  }
}

实时效果反馈

1. fold和reduce相似，按照传入的计算逻辑进行聚合，不同的地方是该方法带有初始值，该初始值会被用在：

A 分区内聚合。

B 分区间聚合。

C 以上两个选项都正确。

答案：

1=>C