赞
踩
GroupBy在Spark中是Transformation,产生shuffle
val value1 = rdd.map(x => (x, 1)) val value2 = value1.groupBy(_._1)看底层源码
也是有个分区器调的是父RDD
点进去看,底层调的是groupByKey
先进过一次map操作返回值当value
数据当key, 然后在调groupByKey
源码实现
先map聚合,聚合之后形成 kv,kv在map
key,
将map._1当key,本身当value
就是第一个map的key,然后key,value做第二个map
在groupByKey
val value = rdd.map(x => (x, 1)).map(y => (y._1, y)).groupByKey()第一个形成
("spark",1)("hadoop",1)
第二不形成
spark("spark",1)然后在groupByKey相同的key的value聚合
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。