网站seo新手,如何设计产品网站建设,网站排名突然下降解决,新闻门户网站制作在之前的文章中#xff0c;我们学习了如何在spark中使用键值对中的keys和values,reduceByKey,groupByKey三种方法。想了解的朋友可以查看这篇文章。同时#xff0c;希望我的文章能帮助到你#xff0c;如果觉得我的文章写的不错#xff0c;请留下你宝贵的点赞#xff0c;谢…在之前的文章中我们学习了如何在spark中使用键值对中的keys和values,reduceByKey,groupByKey三种方法。想了解的朋友可以查看这篇文章。同时希望我的文章能帮助到你如果觉得我的文章写的不错请留下你宝贵的点赞谢谢。
Spark-Scala语言实战12-CSDN博客文章浏览阅读722次点赞19次收藏15次。今天开始的文章我会带给大家如何在spark的中使用我们的键值对方法今天学习键值对方法中的keys和values,reduceByKey,groupByKey三种方法。希望我的文章能帮助到大家也欢迎大家来我的文章下交流讨论共同进步。https://blog.csdn.net/qq_49513817/article/details/137385224今天的文章开始我会继续带着大家如何在spark的中使用我们的键值对里的方法。今天学习键值对方法中的fullOuterJoinzipcombineByKey三种方法。
目录
一、知识回顾
二、键值对方法
1.fullOuterJoin
2.zip
3.combineByKey
拓展-方法参数设置 一、知识回顾 上一篇文章中我们学习了键值对的三种方法分别是keys和values,reduceByKey,groupByKey。
keys和values分别对应了我们的键与值。 我们可以用它们来创建我们的RDD reduceByKey可以进行统计将有相同键的值进行相加统一输出。 而 groupByKey方法就是对我们的键值对RDD进行分组了 它可以将我们的相同的键不同的值组合成一个组。
那么开始今天的学习吧~
二、键值对方法
1.fullOuterJoin fullOuterJoin()方法用于对两个RDD进行全外连接保留两个RDD中所有键的连接结果。
import org.apache.spark.{SparkConf, SparkContext}
object p1 {def main(args: Array[String]): Unit {val conf new SparkConf().setMaster(local).setAppName(p2)val sc new SparkContext(conf)// 创建两个RDD弹性分布式数据集val p1 sc.parallelize(Seq((a1, 1), (a2, 2), (a3, 3)))val p2 sc.parallelize(Seq((a2, A), (a3, B), (a4, C)))// 将RDD转换为键值对val pp1 p1.map { case (key, value) (key, value) }val pp2 p2.map { case (key, value) (key, value) }// 执行fullOuterJoin操作val ppp pp1.fullOuterJoin(pp2)// 收集结果并打印ppp.collect().foreach(println)}
}
我们的代码创建了两个键值对RDD那么使用 fullOuterJoin方法全外连接那么两个键值对都会连接。 可以看到两个键值对里的键与值都连接上了互相没有的值即显示None值。
2.zip
zip()方法用于将两个RDD组合成键值对RDD要求两个RDD的分区数量以及元素数量相同否则会抛出异常。将两个RDD组合成Key/Value形式的RDD这里要求两个RDD的partition数量以及元素数量都相同否则会抛出异常。
import org.apache.spark.{SparkConf, SparkContext}
object p1 {def main(args: Array[String]): Unit {val conf new SparkConf().setMaster(local).setAppName(p2)val sc new SparkContext(conf)// 创建两个RDDval p1 sc.parallelize(Seq(1, 2, 3))val p2 sc.parallelize(Seq(a, b, c))// 使用zip方法将两个RDD组合在一起val pp1 p1.zip(p2)val pp2 p2.zip(p1)// 收集结果并打印pp1.collect().foreach(println)pp2.collect().foreach(println)}
} 代码创建了两个不同的RDD键值对分别使用p1zip方法p2与p2zip方法p1那么它们输出的结果会是一样的吗 可以看到是不一样的谁在前面谁就是键反之是值。
3.combineByKey
combineByKey()方法是Spark中一个比较核心的高级方法键值对的其他一些高级方法底层均是使用combineByKey()方法实现的如groupByKey()方法、reduceByKey()方法等。combineByKey()方法用于将键相同的数据聚合并且允许返回类型与输入数据的类型不同的返回值。combineByKey()方法的使用方式如下。 combineByKey(createCombiner,mergeValue,mergeCombiners,numPartitionsNone)
import org.apache.spark.{SparkConf, SparkContext}
object p1 {def main(args: Array[String]): Unit {val conf new SparkConf().setMaster(local).setAppName(p2)val sc new SparkContext(conf)val p1 sc.parallelize(Seq((a, 1), (b, 2), (a, 3), (b, 4), (c, 5)))val p2 p1.combineByKey(// createCombiner: 将第一个值转换为累加器(v: Int) v,// mergeValue: 将新的值加到累加器上(c: Int, v: Int) c v,// mergeCombiners: 合并两个累加器(c1: Int, c2: Int) c1 c2)p2.collect().foreach { case (key, value) println(sKey: $key, Value: $value)}}
}
我的代码中
createCombiner: 这个函数定义了如何将每个键的第一个值转换为初始的累加器值。
代表着每个键第一个出现的值将作为累加器的初始值。
mergeValue: 这个函数定义了如何将新值与当前的累加器值合并。在我的代码中我将新值与累加器相加。
代表着每个键的后续值它们都会被加到当前的累加器值上。
mergeCombiners: 这个函数定义了当两个累加器对应于同一个键但可能来自不同的分区需要合并时应该执行的操作。在我的代码中也是将两个累加器值相加
这确保了无论数据如何在分区之间分布最终每个键都会得到正确的累加结果。
看看输出效果 可以看到我们的键值对成功累加。
快去试试吧~
拓展-方法参数设置
方法参数描述例子fullOuterJoinotherRDD另一个要与之进行全外连接的RDDrdd1.fullOuterJoin(rdd2)fullOuterJoinnumPartitions结果RDD的分区数可选rdd1.fullOuterJoin(rdd2, numPartitions10)zipotherRDD要与之进行zip操作的另一个RDDrdd1.zip(rdd2)combineByKeycreateCombiner处理第一个出现的每个键的值的函数lambda v: (v, 1)combineByKeymergeValue合并具有相同键的值的函数lambda acc, v: (acc[0] v, acc[1] 1)combineByKeymergeCombiners合并两个累积器的函数lambda acc1, acc2: (acc1[0] acc2[0], acc1[1] acc2[1])combineByKeynumPartitions结果RDD的分区数可选rdd.combineByKey(createCombiner, mergeValue, mergeCombiners, numPartitions5)
