算子 reduce,reduceByKey,count,countByKey 可分为两类:
action操作:reduce,count,countByKey
transformation操作:reduceByKey
1、reduce
reduce(func) 是对JavaRDD的操作
使用函数func聚合rdd的元素(它需要两个参数并返回一个参数)。这个函数应该是可交换的,并且是相关联的,这样它就可以并行地计算出来。
scala版本
val rdd1 = sc.parallelize(List("a","b","b","c"))
scala> val res = rdd1.reduce(_+"-"+_)
res: String = b-c-a-b
java版本
JavaRDD<String> rdd1 = sc.parallelize(Arrays.asList("a", "b", "b", "c"));
String res = rdd1.reduce(new Function2<String, String, String>() {
@Override
public String call(String v1, String v2) throws Exception {
return v1 +"-"+v2;
}
});
System.out.println(res);
# b-c-a-b
2、reduceByKey
reduceByKey(func, [numTasks]) 是对JavapairRDD的操作;
针对(K, V) 的rdd,使用给定的reduce函数func聚合每个K的值,返回(K, V);可通过第二个参数定义Tasks个数。
scala版本