scala - 使用scala在 Spark 中创建对RDD

Question

我是新手，所以我只需要创建两个元素的RDD即可。

Array1 = ((1,1)(1,2)(1,3),(2,1),(2,2),(2,3)

当我执行groupby键时，输出为((1,(1,2,3)),(2,(1,2,3))
但是我需要输出与键只有2个值对。我不确定如何获得它。

Expected Output = ((1,(1,2)),(1,(1,3)),(1(2,3),(2(1,2)),(2,(1,3)),(2,(2,3)))

这些值只能打印一次。应该只有(1,2)而不是(2,1)或像(2,3)而不是(3,4)
谢谢

Answer 1

您可以按以下方式获得所需的结果:

// Prior to doing the `groupBy`, you have an RDD[(Int, Int)], x, containing:
//   (1,1),(1,2),(1,3),(2,1),(2,2),(2,3)
//
// Can simply map values as below. Result is a RDD[(Int, (Int, Int))].
val x: RDD[(Int, Int)] = sc.parallelize(Seq((1,1),(1,2),(1,3),(2,1),(2,2),(2,3))
val y: RDD[(Int, (Int, Int))] = x.map(t => (t._1, t)) // Map first value in pair tuple to the tuple
y.collect // Get result as an array
// res0: Array[(Int, (Int, Int))] = Array((1,(1,1)), (1,(1,2)), (1,(1,3)), (2,(2,1)), (2,(2,2)), (2,(2,3)))

也就是说，结果是一个对RDD，它将键(每个对的第一个值)与该对(作为元组)相关联。不要使用groupBy，因为在这种情况下，它将无法满足您的需求。