spark常用RDD算子 - foldByKey

foldByKey函数是对PairRDD<K, V>，对V做合并处理

可以看到，第一个参数是zeroValue，这个就是用来对原始的V做合并操作的，后面的参数是一个JFunction操作。

对于一个PairRDD，如Array(("A",0),("A",2),("B",1),("B",2),("C",1))
进行foldByKey(2)、并且function是x+y的操作时，运算过程是这样的，
先将2去加上key为"A"的第一个元素的value，变成了（"A", 2），然后拿这个初始化的结果再去执行"A"与后续元素，结果就是("A", 4)。
对于key为"B"的结果就是("B", 5)

foldByKey 算子代码示例

List<Tuple2<String, Integer>> data = new ArrayList<>();
data.add(new Tuple2<>("A", 10));
data.add(new Tuple2<>("A", 20));
data.add(new Tuple2<>("B", 2));
data.add(new Tuple2<>("B", 3));
data.add(new Tuple2<>("C", 5));

//2*10*20 =400
//2*2*3=12
//2*5=10

JavaPairRDD<String, Integer> originRDD = javaSparkContext.parallelizePairs(data);
//初始值为2，那么就会将2先与第一个元素做一次Function操作，将结果再与下一个元素结合
JavaPairRDD<String, Integer> stringIntegerJavaPairRDD = originRDD.foldByKey(2, new Function2<Integer, Integer, Integer>() {
            @Override
            public Integer call(Integer v1, Integer v2) throws Exception {
                return v1 * v2;
            }
        });
        
System.out.println(stringIntegerJavaPairRDD.collect());
//foldByKey算子运行的结果如下
//[(B,12), (A,400), (C,10)]