reducebykey java_Spark RDD操作之ReduceByKey

一、reduceByKey作用

reduceByKey将RDD中所有K,V对中,K值相同的V进行合并,而这个合并,仅仅根据用户传入的函数来进行,下面是wordcount的例子。

import java.util.Arrays;

import java.util.List;

import org.apache.spark.SparkConf;

import org.apache.spark.api.java.JavaPairRDD;

import org.apache.spark.api.java.JavaSparkContext;

import org.apache.spark.api.java.function.Function2;

import org.apache.spark.api.java.function.VoidFunction;

import scala.Tuple2;

public class WordCount {

public static void main(String[] args) {

SparkConf conf = new SparkConf().setAppName("spark WordCount!").setMaster("local[*]");

JavaSparkContext javaSparkContext = new JavaSparkContext(conf);

List> list = Arrays.asList(new Tuple2("hello", 1),

new Tuple2("word", 1), new Tuple2("hello", 1),

new Tuple2("simple", 1));

JavaPairRDD listRDD = javaSparkContext.parallelizePairs(list);

/**

* spark的shuffle是hash-based的,也就是reduceByKey算子的两个入参一个是来源于hashmap,一个来源于从map端拉取的数据,对于wordcount例子而言,进行如下运行

* hashMap.get(Key)+ Value,计算结果重新put回hashmap,循环往复,就迭代出了最后结果

*/

JavaPairRDD wordCountPair = listRDD.reduceByKey(new Function2() {

@Override

public Integer call(Integer v1, Integer v2) throws Exception {

return v1 + v2;

}

});

wordCountPair.foreach(new VoidFunction>() {

@Override

public void call(Tuple2 tuple) throws Exception {

System.out.println(tuple._1 + ":" + tuple._2);

}

});

}

}

计算结果:

beb21ded9e9e8d755a36b3fc224c8c43.png

二、reduceByKey的原理如下图

c8c55ed78ed4b0c7f82df37c4c14403f.png

3e625c2519568071771facd8dc2eab9a.png

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值