pyspark combineByKey的理解

Oeljeklaus 2020-03-03

combineByKey(createCombiner,
             mergeValue, 
             mergeCombiners, 
             numPartitions=None, 
             partitionFunc=<function portable_hash at 0x7f1ac7340578>)

它是一个泛型函数,主要完成聚合操作,将输入RDD[(K,V)]转化为结果RDD[(K,C)]输出

乍一看,感觉有些难理解,我们来一起探索下!  加油

pair RDD是键值对RDD  也就是包含key和value

我们对这样的数据做分组、聚合操作其实是将类型为RDD[(K,V)]的数据处理为RDD[(K,C)]

这里的V和C可以是相同类型,也可以是不同类型

 

求每个键对应的平均值

具体的操作过程如下:

pyspark combineByKey的理解

 代码实现

pyspark combineByKey的理解

相关推荐