spark RDD算子(七)之键值对分组操作 groupByKey,cogroup

一、groupByKey

函数定义

def groupByKey(): RDD[(K, Iterable[V])] 
def groupByKey(numPartitions: Int): RDD[(K, Iterable[V])] 
def groupByKey(partitioner: Partitioner): RDD[(K, Iterable[V])]

groupByKey会将RDD[key,value] 按照相同的key进行分组,形成RDD[key,Iterable[value]]的形式,有点类似于sql中的groupby,例如类似于mysql中的group_concat

groupByKey不能传算法,相比于reduceByKey而言,groupByKey更耗性能

案例:对学生的成绩进行分组

scala版本

object GroupByKeyScala {
   
  def main(args: Array[String]): Unit = {
   
    val conf = new SparkConf().setMaster("local[*]").setAppName("groupByKey")
    val sc = new SparkContext(conf)

    val scoreDetails = sc.parallelize(List(("zhangsan",97),("zhangsan",87),("xiaoming",75),("lisi",95),("lisi",88)))
    val groupByKeyRDD = scoreDetails.groupByKey()
    //按名字分组(name,(score1,score2))
    groupByKeyRDD.collect.foreach(println)

    //输出形式(name,score)
    groupByKeyRDD.collect.foreach(x => {
   
      val name = x._1
      val scores = x._2
      scores.foreach(score => {
   println(name,score)})
    })
  }
}

在这里插入图片描述

Java版本

public class GroupByKeyJava {
   
    public static void main(String[] args) {
   
        SparkConf conf = new SparkConf().setMaster("local[*]").setAppName("groupByKey");
        JavaSparkContext sc = new JavaSparkContext(conf);

        JavaRDD<Tuple2<String,Float>> scoreDetails = sc.parallelize(Arrays.asList(
                new Tuple2<>
  • 2
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值