spark aggregateByKey使用java版

RDDaggregateByKey操作官方api：

aggregateByKey(U zeroValue, Function2<U,V,U> seqFunc, Function2<U,U,U> combFunc)

U zeroValue为定义初始数据；

Function2<U,V,U> seqFunc中第一个U是初始数据的U，v是传入数据，第二个U是返回数据；

Function2<U,U,U> combFunc，第一个U是累计数据，第二个U是传入数据，第三个U是返回数据。

（个人理解，不对请指正。）

同时计算sum和count的样例代码如下：

JavaPairRDD<String, String> allMsg= 。。。

      JavaPairRDD<String,Tuple2<Double,Integer>> result = allMsg .aggregateByKey( new Tuple2 <Double,Integer> (0.0d,0),

            new Function2<Tuple2<Double,Integer>, String, Tuple2<Double,Integer>>(){

                 @Override

                 public Tuple2 call(Tuple2<Double,Integer> v1 , String v2 ) {

                      return new Tuple2<>( v1 ._1() + Double.parseDouble( v2 ) , v1 ._2() + 1);

                }

           }, new Function2<Tuple2<Double,Integer>, Tuple2<Double,Integer>, Tuple2<Double,Integer>>(){

                 @Override

                 public Tuple2<Double,Integer> call(Tuple2<Double,Integer> v1 , Tuple2<Double,Integer> v2 ) {

                      return new Tuple2<>( v1 ._1() + v2 ._1() , v1 ._2() + v2 ._2());

                }

        });