【SparkAPI JAVA版】JavaPairRDD——aggregate(一)

2023-11-09 13:39

本文主要是介绍【SparkAPI JAVA版】JavaPairRDD——aggregate(一),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

JavaPairRDD的aggregate方法讲解
官方文档说明
 /*** Aggregate the elements of each partition, and then the results for all the partitions, using* given combine functions and a neutral "zero value". This function can return a different result* type, U, than the type of this RDD, T. Thus, we need one operation for merging a T into an U* and one operation for merging two U's, as in scala.TraversableOnce. Both of these functions are* allowed to modify and return their first argument instead of creating a new U to avoid memory* allocation.** @param zeroValue the initial value for the accumulated result of each partition for the*                  `seqOp` operator, and also the initial value for the combine results from*                  different partitions for the `combOp` operator - this will typically be the*                  neutral element (e.g. `Nil` for list concatenation or `0` for summation)* @param seqOp an operator used to accumulate results within a partition* @param combOp an associative operator used to combine results from different partitions*/
中文含义

aggregate先对每个分区的元素做聚集,然后对所有分区的结果做聚集,聚集过程中,使用的是给定的聚集函数以及初始值”zero value”。这个函数能返回一个与原始RDD不同的类型U,因此,需要一个合并RDD类型T到结果类型U的函数,还需要一个合并类型U的函数。这两个函数都可以修改和返回他们的第一个参数,而不是重新新建一个U类型的参数以避免重新分配内存。
参数zeroValue:seqOp运算符的每个分区的累积结果的初始值以及combOp运算符的不同分区的组合结果的初始值 - 这通常将是初始元素(例如“Nil”表的列表 连接或“0”表示求和)
参数seqOp: 每个分区累积结果的聚集函数。

方法原型
// Scala
def aggregate[U: ClassTag](zeroValue: U)(seqOp: (U, T) => U, combOp: (U, U) => U): U
// java
public static <U> U aggregate(U zeroValue,Function2<U,T,U> seqOp,Function2<U,U,U> combOp)
实例
public class Aggregate {public static void main(String[] args) {System.setProperty("hadoop.home.dir","F:\\hadoop-2.7.1");SparkConf conf = new SparkConf().setMaster("local").setAppName("TestSpark");JavaSparkContext sc = new JavaSparkContext(conf);JavaPairRDD<String,Integer> javaPairRDD =sc.parallelizePairs(Lists.<Tuple2<String, Integer>>newArrayList(new Tuple2<String, Integer>("cat",34),new Tuple2<String, Integer>("cat",34),new Tuple2<String, Integer>("dog",34),new Tuple2<String, Integer>("tiger",34)),2);// 打印样例数据javaPairRDD.foreach(new VoidFunction<Tuple2<String, Integer>>() {public void call(Tuple2<String, Integer> stringIntegerTuple2) throws Exception {System.out.println("样例数据>>>>>>>" + stringIntegerTuple2);}});Integer integer = javaPairRDD.aggregate(0, new Function2<Integer, Tuple2<String, Integer>, Integer>() {public Integer call(Integer v1, Tuple2<String, Integer> v2) throws Exception {System.out.println("seqOp>>>>>  参数One:"+v1+"--参数Two:"+v2);return v1+v2._2();}}, new Function2<Integer, Integer, Integer>() {public Integer call(Integer v1, Integer v2) throws Exception {System.out.println("combOp>>>>>  参数One:"+v1+"--参数Two:"+v2);return v1+v2;}});System.out.println("result:"+integer);}
}
结果
// 打印样例数据 因为是2个分片 所以会隔开打印 如果只有一个分片 中间是没有日志的
样例数据>>>>>>>(cat,34)
样例数据>>>>>>>(cat,34)
19/02/27 23:06:21 INFO Executor: Finished task 0.0 in stage 0.0 (TID 0). 665 bytes result sent to driver
19/02/27 23:06:21 INFO TaskSetManager: Starting task 1.0 in stage 0.0 (TID 1, localhost, executor driver, partition 1, PROCESS_LOCAL, 4907 bytes)
19/02/27 23:06:21 INFO Executor: Running task 1.0 in stage 0.0 (TID 1)
样例数据>>>>>>>(dog,34)
样例数据>>>>>>>(tiger,34)
// 进行seqOp 或者也可以说是分片元素聚合 0这个初始值 会被添加进去 seqOp>>>>>  参数One:0--参数Two:(cat,34)
seqOp>>>>>  参数One:34--参数Two:(cat,34)
19/02/27 23:06:21 INFO Executor: Finished task 0.0 in stage 1.0 (TID 2). 659 bytes result sent to driver
19/02/27 23:06:21 INFO TaskSetManager: Starting task 1.0 in stage 1.0 (TID 3, localhost, executor driver, partition 1, PROCESS_LOCAL, 4907 bytes)
19/02/27 23:06:21 INFO Executor: Running task 1.0 in stage 1.0 (TID 3)
seqOp>>>>>  参数One:0--参数Two:(dog,34)
seqOp>>>>>  参数One:34--参数Two:(tiger,34)// 进行combOp 也可以说是分片结果聚合 
combOp>>>>>  参数One:0--参数Two:68
combOp>>>>>  参数One:68--参数Two:68
// 最终结果
result:136
解析

从上述过程中,我们就能明白流程是什么了。

  1. seqOp(分片元素聚合)
    开始我们的数据是:
    分片1:(cat,34) (cat,34)
    分片2:(dog,34) (tiger,34)

     	// 这里只有两个分片 所以写两个过程 第一个分片开始元素聚合过程:zeroValue + 第一个元素值 = 结果1,结果1+第二个元素值 = 结果2,。。。。结果n-1 + 结果n = 分片结果1。第二个分片开始元素聚合过程:zeroValue + 第一个元素值 = 结果1,结果1+第二个元素值 = 结果2,。。。。结果n-1 + 结果n = 分片结果2。
    
  2. combOp(分片结果聚合)

     	开始分片结果聚合过程:zeroValue + 分片结果1  = 最终结果1,最终结果1+ 分片结果2  = 最终结果2最终得到的最终结果2 就是返回的结果 136
    

如果有什么不明白的评论留言即可。

这篇关于【SparkAPI JAVA版】JavaPairRDD——aggregate(一)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/376445

相关文章

如何在 Spring Boot 中实现 FreeMarker 模板

《如何在SpringBoot中实现FreeMarker模板》FreeMarker是一种功能强大、轻量级的模板引擎,用于在Java应用中生成动态文本输出(如HTML、XML、邮件内容等),本文... 目录什么是 FreeMarker 模板?在 Spring Boot 中实现 FreeMarker 模板1. 环

SpringMVC 通过ajax 前后端数据交互的实现方法

《SpringMVC通过ajax前后端数据交互的实现方法》:本文主要介绍SpringMVC通过ajax前后端数据交互的实现方法,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价... 在前端的开发过程中,经常在html页面通过AJAX进行前后端数据的交互,SpringMVC的controll

Java中的工具类命名方法

《Java中的工具类命名方法》:本文主要介绍Java中的工具类究竟如何命名,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录Java中的工具类究竟如何命名?先来几个例子几种命名方式的比较到底如何命名 ?总结Java中的工具类究竟如何命名?先来几个例子JD

Java Stream流使用案例深入详解

《JavaStream流使用案例深入详解》:本文主要介绍JavaStream流使用案例详解,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录前言1. Lambda1.1 语法1.2 没参数只有一条语句或者多条语句1.3 一个参数只有一条语句或者多

Spring Security自定义身份认证的实现方法

《SpringSecurity自定义身份认证的实现方法》:本文主要介绍SpringSecurity自定义身份认证的实现方法,下面对SpringSecurity的这三种自定义身份认证进行详细讲解,... 目录1.内存身份认证(1)创建配置类(2)验证内存身份认证2.JDBC身份认证(1)数据准备 (2)配置依

SpringBoot整合OpenFeign的完整指南

《SpringBoot整合OpenFeign的完整指南》OpenFeign是由Netflix开发的一个声明式Web服务客户端,它使得编写HTTP客户端变得更加简单,本文为大家介绍了SpringBoot... 目录什么是OpenFeign环境准备创建 Spring Boot 项目添加依赖启用 OpenFeig

Java Spring 中 @PostConstruct 注解使用原理及常见场景

《JavaSpring中@PostConstruct注解使用原理及常见场景》在JavaSpring中,@PostConstruct注解是一个非常实用的功能,它允许开发者在Spring容器完全初... 目录一、@PostConstruct 注解概述二、@PostConstruct 注解的基本使用2.1 基本代

springboot使用Scheduling实现动态增删启停定时任务教程

《springboot使用Scheduling实现动态增删启停定时任务教程》:本文主要介绍springboot使用Scheduling实现动态增删启停定时任务教程,具有很好的参考价值,希望对大家有... 目录1、配置定时任务需要的线程池2、创建ScheduledFuture的包装类3、注册定时任务,增加、删

SpringBoot整合mybatisPlus实现批量插入并获取ID详解

《SpringBoot整合mybatisPlus实现批量插入并获取ID详解》这篇文章主要为大家详细介绍了SpringBoot如何整合mybatisPlus实现批量插入并获取ID,文中的示例代码讲解详细... 目录【1】saveBATch(一万条数据总耗时:2478ms)【2】集合方式foreach(一万条数

IntelliJ IDEA 中配置 Spring MVC 环境的详细步骤及问题解决

《IntelliJIDEA中配置SpringMVC环境的详细步骤及问题解决》:本文主要介绍IntelliJIDEA中配置SpringMVC环境的详细步骤及问题解决,本文分步骤结合实例给大... 目录步骤 1:创建 Maven Web 项目步骤 2:添加 Spring MVC 依赖1、保存后执行2、将新的依赖