我有一个类型为:(用户 ID、名称、计数)的元组列表。
例如,
val x = sc.parallelize(List(
("a", "b", 1),
("a", "b", 1),
("c", "b", 1),
("a", "d", 1))
)
我试图将这个集合简化为一种类型,其中每个
元素名称被计算在内。
所以上面的 val x 被转换为:
(a,ArrayBuffer((d,1), (b,2)))
(c,ArrayBuffer((b,1)))
这是我当前使用的代码:
val byKey = x.map({case (id,uri,count) => (id,uri)->count})
val grouped = byKey.groupByKey
val count = grouped.map{case ((id,uri),count) => ((id),(uri,count.sum))}
val grouped2: org.apache.spark.rdd.RDD[(String, Seq[(String, Int)])] = count.groupByKey
grouped2.foreach(println)
我正在尝试使用reduceByKey,因为它的执行速度比groupByKey 更快。
如何实现reduceByKey来代替上面的代码来提供
相同的映射?