reduceByKey
reduceByKey用于对每个key对应的多个value进行merge操作,最重要的是它能够在本地先进行merge操作,并且merge操作可以通过函数自定义;
groupByKey
groupByKey也是对每个key进行操作,但只生成一个sequence,groupByKey本身不能自定义函数,需要先生成RDD,然后才能对此RDD通过map进行自定义函数操作
比较发现,使用groupByKey时,不会进行局部merge,会导致集群节点之间的开销很大,导致传输延时。
combineByKey
import org.apache.log4j.{Level, Logger}
import org.apache.spark.rdd.RDD
import org.apache.spark.util.LongAccumulator
import org.apache.spark.{SparkConf, SparkContext}
import scala.collection.mutable
object Test{
def main(args: Array[String]): Unit = {
Logger.getLogger("org.apache.hadoop").setLev