def createCombiner(x):
return [x]
def mergeValue(x,y):
x.append(y)
return x
def mergeCombiners(x,y):
return len(list(set(x+y)))
a.combineByKey(createCombiner,mergeValue,mergeCombiners)
程序原本是想将RDD a中的记录去重,对于相同key的,计算出记录的条数,但是运行报错。
报错原因为mergeCombiners 返回的是int类型,与createCombiner,mergeValue返回类型不一致,可以改写为:
def mergeCombiners(x,y):
return list(set(x+y))
a.combineByKey(createCombiner,mergeValue,mergeCombiners).map(lambda item:(item[0],len(item[1]))