例子一
按key求和
val rdd = sc.parallelize(List((“a”,2),(“b”,3),(“a”,3)))
合并key计算
val r1 = rdd.reduceByKey((x,y) => x + y)
输出结果如下
(a,5)
(b,3)
例子二
若有一些spark书和Hadoop的书, 要求两本书各自销量的平均值
数据如下
("spark",10)
("spark",20)
("hadoop",4)
("hadoop",10)
先创建一个rdd
val rdd = sc.parallelize(List(("spark",10),("hadoop",4),("hadoop",10),("spark",20)))
1
分析下数据, 要想求平均值, 必须算出总的价格,要对不同书进行分组,求每组书的数量
val r2 = rdd.mapValues(x => (x,1))
1
因为mapValues是对值的操作,不操作key, 打印结果如下
(spark,(10,1))
(hadoop,(4,1))
(hadoop,(10,1))
(spark,(20,1))
接着需要按key进行reduce,让key合并
val r3 = r2.reduceByKey((x,y) => (x._1+y._1, x._2+y._2))
1
变量说明:
当将spark进行reduce后
这里的(x,y) 表示的是(10,1)(20,1)
x._1 表示10, x._2表示1
y._1表示20, y._2表示1
这样通过计算得到的就是如下结果
(spark,(30,2))
(hadoop,(14,2))
接着要对value进行操作,用mapValues()就行啦
val r4 = r3.mapValues(x => x._1 / x._2)
打印结果如下
(spark,15)
(hadoop,7)