一文详解pyspark常用算子与API

rdd.glom()

对rdd的数据进行嵌套，嵌套按照分区来进行

    rdd = sc.parallelize([1, 2, 3, 4, 5, 6, 7, 8, 9], 2)print(rdd.glom().collect())

输出：[[1,2,3,4],[5,6,7,8,9]]

参考

• PySpark基础入门（2）：RDD及其常用算子_spark rdd 随机抽样-CSDN博客