144、Spark核心编程进阶之aggregateByKey以及单词计数案例-优快云博客

本文深入探讨了Spark中AggregateByKey函数的原理与应用，对比ReduceByKey，详细解释了其三个参数的作用，包括如何进行map-side本地聚合和reduce-side全局聚合，通过实例展示了单词计数的实现过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

reduceByKey可以认为是aggregateByKey的简化版
aggregateByKey，分为三个参数，，多提供了一个函数，Seq Function
就是说自己可以控制如何对每个partition中的数据进行先聚合，类似于mapreduce中的，map-side combine
然后才是对所有partition中的数据进行全局聚合

第一个参数是，每个key的初始值
第二个是个函数，Seq Function，如何进行shuffle map-side的本地聚合
第三个是个函数，Combiner Function，如何进行shuffle reduce-side的全局聚合

aggregateByKey原理.png

public class AggregateByKey {

    public static void main(String[] args) {
        SparkConf conf = new SparkConf().setAppName("AggregateByKeyJava").setMaster("local");

        JavaSparkContext sparkContext = new JavaSparkContext(conf);


        JavaRDD<String> linesRDD = sparkContext.textFile("E:\\testdata\\wordcount\\input\\1.txt", 3);

        JavaRDD<String> wordsRDD = linesRDD.flatMap(new FlatMapFunction<String, String>() {
            @Override
            public Iterator<String> call(String s) throws Exception {
                return Arrays.asList(s.split(" ")).iterator();
            }
        });

        JavaPairRDD<String, Integer> wordNumbersRDD = wordsRDD.mapToPair(new PairFunction<String, String, Integer>() {
            @Override
            public Tuple2<String, Integer> call(String s) throws Exception {
                return new Tuple2<>(s, 1);
            }
        });

        JavaPairRDD<String, Integer> resultRDD = wordNumbersRDD.aggregateByKey(0, new Function2<Integer, Integer, Integer>() {
            @Override
            public Integer call(Integer v1, Integer v2) throws Exception {
                return v1 + v2;
            }
        }, new Function2<Integer, Integer, Integer>() {
            @Override
            public Integer call(Integer v1, Integer v2) throws Exception {
                return v1 + v2;
            }
        });

        resultRDD.foreach(new VoidFunction<Tuple2<String, Integer>>() {
            @Override
            public void call(Tuple2<String, Integer> stringIntegerTuple2) throws Exception {
                System.out.println(stringIntegerTuple2._1 + " appears " + stringIntegerTuple2._2 + " times");
            }
        });
    }
}