在Spark中设置数据

Question

我是新来的Spark和StackOverFlow社区的编程人员。尝试在Cloudera QuickStart VM中使用Spark获取数据的子集。在所附的快照，你会看到20条记录使用代码的输出：

channel_views.take(20) 

这里，channel_views是一个包含几百个记录的RDD。我试图只包含那些包含单词'XYZ'的特定记录和相应的数值。我如何实现这一目标？

在此先感谢。

Answer 1

RDD.filter：

channel_views.filter(lambda x: "XYZ" == x[1]) # Exact matches 

或

channel_views.filter(lambda x: "XYZ" in x[1]) # XYZ in the value