Spark高级函数应用【combineByKey】

Myth丶恋晨 2024-04-20 09:42 64阅读 0赞

一.combineByKey算子简介

功能：实现分组自定义求和及计数。

特点：用于处理(key,value)类型的数据。

实现步骤：

1.对要处理的数据进行初始化，以及一些转化操作

2.检测key是否是首次处理，首次处理则添加，否则则进行分区内合并【根据自定义逻辑】

3.分组合并，返回结果

二.combineByKey算子代码实战

1 package big.data.analyse.scala.arithmetic
     2 
     3 import org.apache.spark.sql.SparkSession
     4 /**
     5   * Created by zhen on 2019/9/7.
     6   */
     7 object CombineByKey {
     8   def main (args: Array[String]) {
     9     val spark = SparkSession.builder().appName("CombineByKey").master("local[2]").getOrCreate()
    10     val sc = spark.sparkContext
    11     sc.setLogLevel("error")
    12 
    13     val initialScores = Array((("hadoop", "R"), 1), (("hadoop", "java"), 1),
    14                               (("spark", "scala"), 1), (("spark", "R"), 1), (("spark", "java"), 1))
    15 
    16     val d1 = sc.parallelize(initialScores)
    17 
    18     val result = d1.map(x => (x._1._1, (x._1._2, x._2))).combineByKey(
    19       (v : (String, Int)) => (v : (String, Int)), // 初始化操作，当key首次出现时初始化以及执行一些转化操作
    20       (c : (String, Int), v : (String, Int)) => (c._1 + "," + v._1, c._2 + v._2), // 分区内合并，非首次出现时进行合并
    21       (c1 : (String,Int),c2 : (String,Int)) => (c1._1 + "," + c2._1, c1._2 + c2._2)) // 分组合并
    22       .collect()
    23 
    24     result.foreach(println)
    25   }
    26 }

三.combineByKey算子执行结果

![1343081-20190907172020361-66632209.png][]

转载于:https://www.cnblogs.com/yszd/p/11481923.html

[1343081-20190907172020361-66632209.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/7377685e6e104f1d807f33e76596faaa.png