Learning Spark 笔记(二) -- aggregate初值初探

3 . fold和aggregate都需要初值，且每个初值应用到每个分区。例子如下：

    val input = sc.parallelize(List(1,2,3,4,5,6),3)
    val result = input.aggregate((0, 0))(                              
        (acc, value) => (acc._1 + value, acc._2 + 1),
        (acc1, acc2) => (acc1._1 + acc2._1, acc1._2 + acc2._2))

最终的结果是21/6；
但是如果将初值设为(0,1)，那么最终的结果将是21/10，分母是10的原因是产生了4个累加器。将上面改变为

    val input = sc.parallelize(List(1,2,3,4,5,6),5)
    val result = input.aggregate((0, 1))(                              
        (acc, value) => {
            println("seq: "+acc,value)
            (acc._1 + value, acc._2 + 1)},
        (acc1, acc2) => {
            println("com: "+acc1+" "+acc2)
            (acc1._1 + acc2._1, acc1._2 + acc2._2)
        })

输出结果如下：

(seq: (0,1),5)
(seq: (0,1),3)
(seq: (0,1),1)
(seq: (3,2),4)
(seq: (5,2),6)
(seq: (1,2),2)
com: (0,1) (7,3)
com: (7,4) (11,3)
com: (18,7) (3,3)
result: (Int, Int) = (21,10)

由上面的结果可以看到一共有4个(0,1)输出，其中有3个是第一个函数在各个分区中产生的，最后1个则是第2个函数聚集的时候产生的，在此猜想：只要是产生一个累加器或者新的分区，最开始设置的初值就会产生影响。为了验证，将分区数设为5，则预想会有6个累加器产生，最后的结果应该是(21,12)。经过实验，最后的结果也正是如此。