pyspark rdd的combineByKey的高级API使用方法，多行按某列合为一行

combineByKey是比较底层的高级用法，如dataframe或rdd的groupby，rdd的reduce、reduceByKey等都依赖与它。

combineByKey入参是三个function函数，分别针对单个的（k,v）转为(k,c)新的一行对象，（k,c）与(k,v)的合并，(k,c)与(k,c)的合并，最终整体转化为(k,c)这样的新键值对集合

k:key
v:value
c:collections

最简单的示例：
https://spark.apache.org/docs/2.3.1/api/python/pyspark.html#pyspark.RDD
搜索找到combineByKey函数
python spark的环境

x = sc.parallelize([("a", 1), ("b", 1), ("a", 2)])
def to_list(v): #单个v(value) 转c(collections)
    return [v]
def append(c, v): #c 与v 合并
    c.append(v)
    return c
def extend(c1, c2): #c 与 c 合并
    c1.extend(c2)
    return c1
sorted(x.combineByKey(to_list, append, extend).collect())
[('a', [1, 2]), ('b', [1])]

复杂用例可见我的每个用户登录方式百分比分布统计的用例文章