java面试题网站:www.javaoffers.com
subtract差集函数存在三种我们主要针对第一种,常用的也是第一种,而其他两种是差集后的分区策略:
def subtract(other: RDD[T]): RDD[T]
def subtract(other: RDD[T], numPartitions: Int): RDD[T]
def subtract(other: RDD[T], p: Partitioner): RDD[T]
案例:
package spark_api
import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}
object mh_subtract {
def main(args: Array[String]): Unit = {
val conf = new SparkConf().setAppName("subtract").setMaster("local")
val sc = new SparkContext(conf)
val rdd = sc.parallelize(List(1,2,3,4,5,6,7,8,9,10))
val rdd2 = sc.parallelize(List(1,2,3,4,5,11))
//rdd - rdd2
val rdd3: RDD[Int] = rdd.subtract(rdd2)
val ints: Array[Int] = rdd3.collect()
for(i<-ints){
println(i)
}
sc.stop()
}
}
打印结果:注意结果中没有11
6
7
8
9
10
案例2:
package spark_api
import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}
object mh_subtract {
def main(args: Array[String]): Unit = {
val conf = new SparkConf().setAppName("subtract").setMaster("local")
val sc = new SparkContext(conf)
val rdd = sc.parallelize(List(("a",1),("b",2),("c",3),("d",4)))
val rdd2 = sc.parallelize(List(("a",2),("b",2),("c",2),("d",2)))
val rdd3: RDD[(String, Int)] = rdd.subtract(rdd2)
val tuples: Array[(String, Int)] = rdd3.collect().sortBy(yz=>yz._1)
for(yz<- tuples){
println(yz.toString())
}
sc.stop()
}
打印结果:
(a,1)
(c,3)
(d,4)
总结:
rdd.subtract(rdd2): rdd 减去 (rdd与rdd2交集),也可以理解为 rdd减去与rdd2相同=剩余rdd的元素,本人简写方式 : A-B=A_剩
当rdd中的元祖元素k v 对时通过 k v 进行判断两个元祖元素是否相同。k v 一致则为相同,否则为不同,此方法通常
用于业务如: 某一时间的新增数据。