spark新能优化之reduceBykey和groupBykey的使用

最新推荐文章于 2025-02-07 09:35:31 发布

weixin_34126215

最新推荐文章于 2025-02-07 09:35:31 发布

阅读量134

点赞数

CC 4.0 BY-SA版权

文章标签：大数据

原文链接：http://www.cnblogs.com/yaohaitao/p/5667747.html

本文探讨了在MapReduce框架中ReduceByKey与GroupByKey的区别及其使用场景。ReduceByKey通过在Map端进行局部聚合来减少网络传输量，适用于大多数聚合操作。而GroupByKey则将所有相同键的数据发送到同一个Reducer，在Reducer端进行聚合，这可能导致较大的数据倾斜。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

val counts = pairs.reduceByKey(_ + _)

val counts = pairs.groupByKey().map(wordCounts => (wordCounts._1, wordCounts._2.sum))

如果能用reduceByKey，那就用reduceByKey，因为它会在map端，先进行本地combine，可以大大减少要传输到reduce端的数据量，减小网络传输的开销。

只有在reduceByKey处理不了时，才用groupByKey().map()来替代。

因为reduceBykey聚合后传输的数据量就变少了,而groupBykey没聚合会传递到taskResult上面数据量比较大

转载于:https://www.cnblogs.com/yaohaitao/p/5667747.html

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。