gpt4 book ai didi

java - Spark Group By Key to (String, Iterable)

转载 作者:行者123 更新时间:2023-12-02 01:47:59 26 4
gpt4 key购买 nike

我正在尝试按键对 urldata 进行分组,其中值是字符串

示例数据:

url_3 url_2
url_3 url_2
url_3 url_1
url_4 url_3
url_4 url_1

预期结果:

(url_3,(url_2,url_1))
(url_4,(url_3,url_1))

1)加载url数据:

Dataset<String> lines = spark.read()
.textFile("C:/Users/91984/workspace/myApp/src/test/resources/in/urldata.txt");

2)使用空格分割数据集

Encoder<Tuple2<String, String>> encoder2 = 
Encoders.tuple(Encoders.STRING(), Encoders.STRING());
Dataset<Tuple2<String, String>> tupleRDD = lines.map(f->{
Tuple2<String, String> m =
new Tuple2<String, String>(f.split(" ")[0], f.split(" ")[1]);
return m;
},encoder2);

3)使用groupbyKey对key上的tupleRDD数据库进行分组

KeyValueGroupedDataset<String, Tuple2<String, String>> keygrpDS = 
tupleRDD.groupByKey(f->f._1, Encoders.STRING());

有人可以解释一下为什么第 3 步的 groupByKey 返回 KeyValueGroupedDataset<String, Tuple2<String, String>>而不是KeyValueGroupedDataset<String, Iterable<String>>以及需要进行哪些更改才能获得预期结果。

最佳答案

这就是它在 Spark 中处理数据集的方式。当您有 Dataset<T> 类型的数据集时,您可以通过某种映射函数对其进行分组,该映射函数采用 T 类型的对象并返回 K 类型的对象(键)。你得到的是 KeyValueGroupedDataset<K,T>您可以在其上调用聚合函数(请参阅 the javadoc )。在你的情况下,你可以使用 mapGroups您可以提供一个映射键 K 的函数。和一个可迭代的 Iterable<T>到您选择的新对象 R。如果有帮助的话,在您的代码中,T 是一个 Tuple2,K 是一个 URL。

关于java - Spark Group By Key to (String, Iterable<String>),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53460706/

26 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com