java - 将 RDD 转换为键值对 RDD，值位于 List 中

Question

我有一个pairRDD，其元组采用以下形式:

[(1,"b1","c1","d1","e1"), (2,"b2","c2","d2","e2"), ...

我想要的是将上面的内容转换为键值对 RDD，其中第一个字段将是键，第二个字段是字符串(值)列表。即我想将其转换为以下形式:

[(1,["b1","c1","d1","e1"]), (2,["b2","c2","d2","e2"]), ...

在此之后，是否可以访问我想要的任何字段？

例如，我可以访问元组 (1,["b1","c1","d1","e1"])，然后仅提取字段 d1？

Answer 1

如果您有一个包含元组的 RDD，无论元组以何种方式表示，您都可以使用 mapToPair 将您的元组 RDD 转换为具有首选键和值的 PairRDD。

在 Java 8 中这可能是

JavaPairRDD<Integer,List<String>> r = 
  rddOfTuples.mapToPair((t)->new Tuple2(
      extractKey(t),
      extractTuples(t)
  ));

请注意，此操作将引入随机播放。

显而易见的是，extractKey和extractTuples是要实现的方法，根据需要提取原始元组的部分。

由于我对 Scala 元组的了解有限，假设输入类似于 scala.Tuple5<String,Integer,Integer,Integer,Integer> ，这可能是:

JavaPairRDD<Integer,List<String>> r = 
  rddOfTuples.mapToPair((t)->new Tuple2(
      t._1,
      Arrays.asList(t._2,t._3,t._4,t._6)
  ));

但是，如果您事先不知道 Tuple 的数量(元素数量) ，那么用 scala 术语来说，它是 Product 。要动态访问元素，您需要使用 Product界面，可选择:

• int productArity()
• Object productElement(int n)
• Iterator<Object> productIterator()

然后它就成为常规的 Java 练习:

JavaPairRDD<Integer,List<String>> r = 
  rddOfTuples.mapToPair((t)->{
    List<String> l = new ArrayList<>(t.productArity()-1);
    for (int i = 1; i < t.productArity(); i++) {
      l.set(i-1,t.productElement(i));
    }
    return new Tuple2<>(t._1,l);
  }));

我希望我一切顺利...上面的代码未经测试/未编译...因此，如果您可以让它与更正一起使用，那么请随意应用此答案中的更正...