Spark RDD按行中邮编分类输出包含该邮编的用户姓名（Scala）

原始数据：

输出样式：

 

现在开始进入正题：此次操作均在Linux虚拟机上面进行，用spark-shell启动，不包含前面的SparkContext的设置

1、 从HDFS中导入文件

var accounts_path = "/loudacre/accounts"
var accounts = sc.textFile(accounts_path)

2、将数据转化为key-value格式，邮编作为key，整行的数据经过分割后的数组作为value

var accounts_key = accounts.map(_.split(',')).keyBy(_(8))

3、使用mapValues()对value进行操作，将value转化为firname，lastname格式，并将key相同的整合到一起

var accounts_name = accounts_key.mapValues(values => values(3)+","+values(4)).groupByKey()

4、循环输出，每一个邮编下面的姓名

for(pair <- accounts_name.sortByKey()){
    println("-----"+pair._1)
    pair._2.foreach(println)
}

至此就完成了。