Spark 算子 combineByKey

combineByKey 算子是一个稍微复杂的算子，所以在这里记录一下 combineByKey 的操作方式。
combineByKey 的参数
combineByKey 总共有三个参数

• 第一个参数是对相同分区，相同 key 的第一个 value 进行初始化。
• 第二个参数是对相同分区，相同 key 的 values 进行的操作。
• 第三个参数是对不同分区，相同 key 的 values 进行的操作。

举个栗子🌰

val conf = new SparkConf().setMaster("local").setAppName("test")
val sc = new SparkContext(conf)

val groupByte = Array(
  ("Gerald", 99.0), ("Gerald", 98.0), ("Gerald", 99.5),
  ("Seligman", 95.0), ("Seligman", 96.0), ("Seligman", 97.0)
)
val value: RDD[(String, Double)] = sc.parallelize(groupByte)
val rdd = value

rdd.combineByKey(
  x => {
    println(s"第一个 key 的初始化 $x");
    x
  },
  (score: Double, otherScore: Double) => {
    println(s"2 ---> $score + $otherScore")
    score + otherScore
  },
  (partition: Double, otherPartition: Double) => {
    println(s"3 ---> $partition + $otherPartition")
    partition + otherPartition
  }
).collect.foreach(println)

sc.stop()

运行结果：

解释：

• 从结果可以看出，第一个参数只会发生在每一组 key 的第一个 key 的 value 上。
• 第二个参数就是对相同分区，相同 key 的 values 进行作用。
• 因为没有对数据进行分区，所以第三个参数没有用到。

对数据分区来看看

val conf = new SparkConf().setMaster("local").setAppName("test")
val sc = new SparkContext(conf)

val groupByte = Array(
  ("Gerald", 99.0), ("Gerald", 98.0), ("Gerald", 99.5),
  ("Seligman", 95.0), ("Seligman", 96.0), ("Seligman", 97.0)
)
val value: RDD[(String, Double)] = sc.parallelize(groupByte, 3)
val rdd = value

rdd.combineByKey(
  x => {
    println(s"第一个 key 的初始化 $x");
    x
  },
  (score: Double, otherScore: Double) => {
    println(s"2 ---> $score + $otherScore")
    score + otherScore
  },
  (partition: Double, otherPartition: Double) => {
    println(s"3 ---> $partition + $otherPartition")
    partition + otherPartition
  }
).collect.foreach(println)

sc.stop()

运行结果：

解释：

• 首先这次把数据划分成了三个分区，就是这样：
  
• 第一个参数发生了四次，分别是：
  • 第一个分区发生了一次。
  • 第二个分区发生了两次：因为第二个分区中有两个不同的 keys
  • 第三个分区发生了一次。
• 第二个参数发生了两次，分别是：
  • 第一个分区发生了一次。
  • 第二个分区没有发生，因为第二个分区两个数据都是只有一组，没办法加。
  • 第三个分区发生了一次
• 第三个参数发生了两次，分别是：
  • 第一个分区的 Gerald 和第二个分区的 Gerald 之间的相加。
  • 第二个分区的 Seligman 和第三个分区的 Seligman 之间的相加。

叮~🔔