zoukankan      html  css  js  c++  java
  • java实现spark常用算子之groupbykey



    import org.apache.spark.SparkConf;
    import org.apache.spark.api.java.JavaPairRDD;
    import org.apache.spark.api.java.JavaSparkContext;
    import org.apache.spark.api.java.function.VoidFunction;
    import scala.Tuple2;

    import java.util.Arrays;
    import java.util.List;

    /**
    * groupbykey([numTasks]) 算子:
    * 将rdd中的算子按照key进行分组操作,所有的key对应的是一个iterable
    * 可以设置并行度,如果没有设置并行默认与父RDD保持一直,也就是父RDD有多少partitions,它的并行度就是多少
    * 是对RDD中的所有数据做shuffle,根据不同的Key映射到不同的partition中再进行aggregate
    */
    public class GroupByKeyOperator {
    public static void main(String[] args) {
    SparkConf conf = new SparkConf().setMaster("local").setAppName("groupbykey");
    JavaSparkContext sc = new JavaSparkContext(conf);
    List<Tuple2<String,String>> list = Arrays.asList(
    new Tuple2("W1","1"),
    new Tuple2("W2","2"),
    new Tuple2("W3","3"),
    new Tuple2("W2","22"),
    new Tuple2("W1","11")
    );
    JavaPairRDD<String,String> listRdd = sc.parallelizePairs(list,2);

    JavaPairRDD<String,Iterable<String>> result = listRdd.groupByKey(3);

    result.foreach(new VoidFunction<Tuple2<String, Iterable<String>>>() {
    @Override
    public void call(Tuple2<String, Iterable<String>> stringIterableTuple2) throws Exception {
    System.err.println(stringIterableTuple2._1+":"+stringIterableTuple2._2);
    }
    });
    }
    }

    微信扫描下图二维码加入博主知识星球,获取更多大数据、人工智能、算法等免费学习资料哦!

  • 相关阅读:
    读《构建之法》8、9、10章有感
    评论
    复利计算器(4)——jQuery界面美化、自动补全
    送给搭档的“汉堡”
    MFC之TreeCtrl控件使用经验总结
    MFC绘制图片闪烁详解
    MFC 网络编程中::connect返回-1问题
    C++网络编程之select
    C++关于Condition Variable
    Mutex 和 Lock
  • 原文地址:https://www.cnblogs.com/guokai870510826/p/11598847.html
Copyright © 2011-2022 走看看