创建pairRDD
mapToPair:
JavaRDD<String> lines_file = sc.textFile("/home/liang/Downloads/spark-2.1.0-bin-hadoop2.7/README.md"); JavaPairRDD<String, String> res = lines_file.mapToPair( line->new Tuple2<String, String>(line.split(" ")[0], line));
flatToPair:
转化pairRDD
- reduceByKey():将具有相同key值得value进行运算,最后返回的pairRDD中key值都是不重复的。先算各个分区的reduceByKey(),最后再将各个分区的结果组合起来
JavaPairRDD<String, Integer> string_integer = PairRDDCreate.run1(); for(Tuple2<String, Integer> tuple2 : string_integer.collect()){ System.out.println(tuple2._1 + " --> " + tuple2._2); } System.out.println("after reduceByKey"); JavaPairRDD<String, Integer> string_integer_reduceByKey = string_integer.reduceByKey( (a,b)->a*b ); for(Tuple2<String, Integer> tuple2 : string_integer_reduceByKey.collect()){ System.out.println(tuple2._1 + " --> " + tuple2._2); }
- combineByKey():相比于reduceByKey和flodByKey,它可以返回和原有的pairRDD value类型不一样的pairRDD, 他接受三个参数,三个参数都是函数,第一个参数是将原来pairRDD中第一次出现的key至所对应的value转化为target type的函数,第二个参数是如果这是一个在处理当前分区之前已经遇到的键,它会使用mergeValue() 方法将该键的累加器对应的当前值与这个新的值进行合并。第三个参数是将各个分区的结果合并。
JavaPairRDD<String, Integer> string_integer = PairRDDCreate.run1(); JavaPairRDD<String, AvgCount> string_integer_aver = string_integer.combineByKey( (x)->new AvgCount(x,1), //createCombiner (a,x)->new AvgCount(a.total + x, a.num + 1), // mergeValue (a,b)-> new AvgCount(a.total + b.total , a.num + b.num) // mergeCombiner );
pairRDD 示例:
pageRank:
http://blog.youkuaiyun.com/liangdong2014/article/details/70911960
Spark pairRDD
最新推荐文章于 2024-03-24 10:08:07 发布