import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaSparkContext;
import scala.Tuple2;
import java.util.Arrays;
import java.util.List;
/**
* cogroup(otherDataSet,[numPartitions]) 算子:
* 第一个参数:另一个RDD
* 第二个参数:分区数(可省略)。
*
* 将两个RDD中的数据按照key进行汇总:
* 第一个RDD按照key进行汇总,结果放在iterable中。
* 第二个RDD同样按照key进行汇总,结果放在另一个iterable中。
* 最后得到一个key和两个iterable的数据。
*
* 下面代码的输出结果为:[(d,([1, 2],[3])), (t,([1, 2],[3, 4]))]
*
*/
public class CogroupDemo {
public static void main(String[] args) {
SparkConf conf = new SparkConf().setMaster("local").setAppName("spark");
JavaSparkContext sc = new JavaSparkContext(conf);
List<Tuple2<String, Integer>> list1 = Arrays.asList(
new Tuple2<>("t", 1),
new Tuple2<>("t", 2),
new Tuple2<>("d", 1),
new Tuple2<>("d", 2)
);
List<Tuple2<String, Integer>> list2 = Arrays.asList(
new Tuple2<>("t", 3),
new Tuple2<>("t", 4),
new Tuple2<>("d", 3)
);
JavaPairRDD<String, Integer> javaPairRDD = sc.parallelizePairs(list1);
JavaPairRDD<String, Integer> javaPairRDD1 = sc.parallelizePairs(list2);
//cogroup算子
JavaPairRDD<String,Tuple2<Iterable<Integer>,Iterable<Integer>>> reduce = javaPairRDD.cogroup(javaPairRDD1);
System.err.println(reduce.collect());
}
}
Java Spark算子:cogroup
最新推荐文章于 2021-05-30 17:32:49 发布