java - 如何在 apache spark 中执行 Sort JavaPairRDD

Question

我正在从日志文件中获取 IP 地址并对其进行计数，现在我想根据其计数值对 JavaPairRDD 进行排序。你可以引用下面的代码。

JavaPairRDD<String, Integer> counts = pairs.reduceByKey(new Function2<Integer, Integer, Integer>() {

        @Override
        public Integer call(Integer v1, Integer v2) throws Exception {
            // TODO Auto-generated method stub
            return v1 + v2;
        }
    });

上面的 JavaPairRDD 将返回 IP 计数，现在我想对其进行排序..例如输出将是这样的

(172.16.0.0,125)
(192.168.0.0,12)
(127.168.0.44,92)

第二个值是该特定 ip 的计数。

Answer 1

Spark 不支持基于值的排序。作为解决方法，您可以交换键和值对，然后根据键进行排序。

检查这个:https://issues.apache.org/jira/browse/SPARK-3655

使用此代码交换键和值:

JavaPairRDD<Integer, String> swapped = counts.mapToPair(new PairFunction<Tuple2<String, Integer>, Integer, String>() {
           @Override
           public Tuple2<Integer, String> call(Tuple2<String, Integer> item) throws Exception {
               return item.swap();
           }

        });