我是 Spark 新手。我已使用 sc.textFile 加载了一个 csv 文件。我想使用reduceByKey对字符串类型但包含数字的列进行求和。
当我尝试使用类似 reduceByKey(_ + _) 的方法时，它只是将数字放在一起。
我该怎么办？我应该转换列吗？
最佳答案
您需要解析字符串，例如:
scala> val rdd = sc.parallelize(Seq(("a", "1"), ("a", "2.7128"), ("b", "3.14"),
("b", "4"), ("b", "POTATO")))
rdd: org.apache.spark.rdd.RDD[(String, String)] = ParallelCollectionRDD[57] at parallelize at <console>:27
scala> def parseDouble(s: String) = try { Some(s.toDouble) } catch { case _ => None }
parseDouble: (s: String)Option[Double]
scala> val reduced = rdd.flatMapValues(parseDouble).reduceByKey(_+_)
reduced: org.apache.spark.rdd.RDD[(String, Double)] = ShuffledRDD[59] at reduceByKey at <console>:31
scala> reduced.collect.foreach{println}
(a,3.7128)
(b,7.140000000000001)
关于scala - 如何对rdd格式的字符串列求和？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/40600039/