Spark foldByKey 功能
aggregateByKey功能::对数据的key按照不同的规则进行分区内计算和分区间计算
foldByKey:当分区内计算规则和分区间计算规则相同时,aggregateByKey 就可以简化为 foldByKey
案例演示
sc.makeRDD(List((“a”, 3), (“a”, 2), (“c”, 4), (“b”, 3), (“c”, 6), (“c”, 8)), numSlices = 2)
需求:按照key求分区内最大值,分区间也求最大值
package com.xcu.bigdata.spark.core.pg02_rdd.pg022_rdd_transform
import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}
/**
* @Desc : 1 如果分区内和分区间计算规则一样,并且需要指定初始值,那么优先使用foldByKey
* 2 如果分区内和分区间计算规则一样,但不需要指定初始值,那么优先使用reduceByKey
*/
object Spark16_FoldByKey {
def main(args: Array[String]): Unit = {
//创建配置文件
val conf: SparkConf = new SparkConf().setAppName("Spark16_FoldByKey").setMaster("local[*]")
//创建SparkContext,该对象是提交的入口
val sc = new SparkContext(conf)
//创建RDD
val rdd: RDD[(String, Int)] = sc.makeRDD(List(("a", 3), ("a", 2), ("c", 4), ("b", 3), ("c", 6), ("c", 8)), 2)
// 分区内和分区间相同处理逻辑相同时,用foldByKey
// 分区内求最大值,分区间也求最大值
// zeroValue = 0 key对应value的初始值为0
val resRDD: RDD[(String, Int)] = rdd.foldByKey(zeroValue = 0)((x:Int,y:Int)=>{math.max(x,y)})
//打印输出
resRDD.collect().foreach(println)
//释放资源
sc.stop()
}
}
res:
(b,3)
(a,3)
(c,8)