我有非唯一键值对，我已经使用创建的map功能从RDD Array[String]
val kvPairs = myRdd.map(line => (line(0), line(1)))
这将产生以下格式的数据：
1, A
1, A
1, B
2, C
我想将所有键按其值分组并提供这些值的计数，如下所示：
1, {(A, 2), (B, 1)}
2, {(C, 1)}
我尝试了许多不同的尝试，但是最接近的方法是这样的：
kvPairs.sortByKey().countByValue()
这给
1, (A, 2)
1, (B, 1)
2, (C, 1)
也，
kvPairs.groupByKey().sortByKey()
提供价值，但还不足够：
1, {(A, A, B)}
2, {(C)}
我尝试将两者结合在一起：
kvPairs.countByValue().groupByKey().sortByKey()
但这返回一个错误
错误：值groupByKey不是scala.collection.Map [（String，String），Long]的成员
只需直接数对并随后分组（如果需要）即可：
kvPairs.map((_, 1L))
.reduceByKey(_ + _)
.map{ case ((k, v), cnt) => (k, (v, cnt)) }
.groupByKey
如果要gropuByKey在还原之后进行操作，则可能需要使用自定义分区程序，该分区程序仅考虑键的第一个元素。您可以检查RDD拆分并在新的RDD上进行汇总以获取示例实现。
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句