【SparkAPI JAVA版】JavaPairRDD——aggregateByKey(二)

2023-11-09 13:39

本文主要是介绍【SparkAPI JAVA版】JavaPairRDD——aggregateByKey(二),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aggregateByKey方法讲解
官方文档说明
Aggregate the values of each key, using given combine functions and a neutral
"zero value". This function can return a different result type, U, than the type of
the values in this RDD, V. Thus, we need one operation for merging a V into 
a U and one operation for merging two U's. The former operation is used for
merging values within a partition, and the latter is used for merging values between
partitions. To avoid memory allocation, both of these functions are allowed to modify 
and return their first argument instead of creating a new U.Parameters:
zeroValue - (undocumented)
seqFunc - (undocumented)
combFunc - (undocumented)
Returns:
(undocumented)
中文含义

aggregateByKey函数对PairRDD中相同Key的值进行聚合操作,在聚合过程中同样使用了一个中立的初始值。和aggregate函数类似,aggregateByKey返回值的类型不需要和RDD中value的类型一致。因为aggregateByKey是对相同Key中的值进行聚合操作,所以aggregateByKey函数最终返回的类型还是Pair RDD,对应的结果是Key和聚合好的值;而aggregate函数直接是返回非RDD的结果,这点需要注意。在实现过程中,定义了三个aggregateByKey函数原型,但最终调用的aggregateByKey函数都一致。

方法原型
// Scala
def aggregateByKey[U: ClassTag](zeroValue: U, partitioner: Partitioner)(seqOp: (U, V) => U, combOp: (U, U) => U): RDD[(K, U)]
def aggregateByKey[U: ClassTag](zeroValue: U, numPartitions: Int)(seqOp: (U, V) => U, combOp: (U, U) => U): RDD[(K, U)]
def aggregateByKey[U: ClassTag](zeroValue: U)(seqOp: (U, V) => U, combOp: (U, U) => U): RDD[(K, U)]
// java
public <U> JavaPairRDD<K,U> aggregateByKey(U zeroValue,Partitioner partitioner,Function2<U,V,U> seqFunc,Function2<U,U,U> combFunc)
public <U> JavaPairRDD<K,U> aggregateByKey(U zeroValue,int numPartitions,Function2<U,V,U> seqFunc,Function2<U,U,U> combFunc)
public <U> JavaPairRDD<K,U> aggregateByKey(U zeroValue,Function2<U,V,U> seqFunc,Function2<U,U,U> combFunc)

第一个aggregateByKey函数我们可以自定义Partitioner。除了这个参数之外,其函数声明和aggregate很类似;其他的aggregateByKey函数实现最终都是调用这个。
第二个aggregateByKey函数可以设置分区的个数(numPartitions),最终用的是HashPartitioner。
最后一个aggregateByKey实现先会判断当前RDD是否定义了分区函数,如果定义了则用当前RDD的分区;如果当前RDD并未定义分区 ,则使用HashPartitioner。

实例
public class AggregateByKey {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",3),new Tuple2<String, Integer>("dog",33),new Tuple2<String, Integer>("cat",16),new Tuple2<String, Integer>("tiger",66)),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);}});JavaPairRDD<String,Integer> javaPairRDD1 = javaPairRDD.aggregateByKey(14, new Function2<Integer, Integer, Integer>() {public Integer call(Integer v1, Integer v2) throws Exception {System.out.println("seqOp>>>>>  参数One:"+v1+"--参数Two:"+v2);return Math.max(v1,v2);}}, 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;}});// 打印结果数据javaPairRDD1.foreach(new VoidFunction<Tuple2<String, Integer>>() {public void call(Tuple2<String, Integer> stringIntegerTuple2) throws Exception {System.out.println("结果数据>>>>>>>" + stringIntegerTuple2);}});}
}
结果
// 打印样例数据 这里的分区是两个 其中分区内都有一个相同key值
19/03/03 22:16:07 INFO Executor: Running task 0.0 in stage 0.0 (TID 0)
样例数据>>>>>>>(cat,3)
样例数据>>>>>>>(dog,33)
19/03/03 22:16:07 INFO Executor: Running task 1.0 in stage 0.0 (TID 1)
样例数据>>>>>>>(cat,16)
样例数据>>>>>>>(tiger,66)
19/03/03 22:16:07 INFO Executor: Running task 0.0 in stage 1.0 (TID 2)
// 第一个分区比较大小 14 3 => 14(cat) , 14  33 => 33(dog)
seqOp>>>>>  参数One:14--参数Two:3
seqOp>>>>>  参数One:14--参数Two:33
19/03/03 22:16:08 INFO ShuffleBlockFetcherIterator: Started 0 remote fetches in 4 ms
19/03/03 22:16:07 INFO TaskSetManager: Finished task 0.0 in stage 1.0 (TID 2) in 76 ms on localhost (executor driver) (1/2)
// 第二个分区比较 14 16 => 16(cat) ,14 66 => 66(tiger)
seqOp>>>>>  参数One:14--参数Two:16
seqOp>>>>>  参数One:14--参数Two:66
19/03/03 22:16:08 INFO ShuffleBlockFetcherIterator: Started 0 remote fetches in 4 ms
// 这个就是combOp阶段 在不同分区内 相同key的值做聚合操作 也就是(cat)14 + (cat)16 = 30 
combOp>>>>>  参数One:14--参数Two:16
// 最后结果 
结果数据>>>>>>>(dog,33)
结果数据>>>>>>>(cat,30)
19/03/03 22:16:08 INFO ShuffleBlockFetcherIterator: Started 0 remote fetches in 0 ms
结果数据>>>>>>>(tiger,66)
解析
一定要记住: combOp 是聚合的不同分区相同key的值

从上述过程中,我们就能明白流程是什么了。

  1. seqOp
    开始我们的数据是:
    分片1:(cat,3) (dog,33)
    分片2:(cat,16) (tiger,66)

     	// 这里只有两个分片 所以写两个过程 第一个分片开始seqOp过程:14(zeroValue) 和  3(cat) 比较  = 14(结果1),14(zeroValue) 和  33(dog) 比较  = 14(结果2)第二个分片开始元素聚合过程:14(zeroValue) 和  16(cat) 比较  = 14(结果3),14(zeroValue) 和  66(tiger) 比较  = 14(结果4)
    
  2. combOp(不同分区相同key值)

     	开始分片combOp过程:cat在不同分区有相同key值结果1  + 结果3 = 30(结果5)最终得到的结果2 ,结果4,结果5 结果数据>>>>>>>(dog,33)结果数据>>>>>>>(cat,30)结果数据>>>>>>>(tiger,66)
    

如果有什么不明白的评论留言即可。

这篇关于【SparkAPI JAVA版】JavaPairRDD——aggregateByKey(二)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/376446

相关文章

Java编译生成多个.class文件的原理和作用

《Java编译生成多个.class文件的原理和作用》作为一名经验丰富的开发者,在Java项目中执行编译后,可能会发现一个.java源文件有时会产生多个.class文件,从技术实现层面详细剖析这一现象... 目录一、内部类机制与.class文件生成成员内部类(常规内部类)局部内部类(方法内部类)匿名内部类二、

SpringBoot实现数据库读写分离的3种方法小结

《SpringBoot实现数据库读写分离的3种方法小结》为了提高系统的读写性能和可用性,读写分离是一种经典的数据库架构模式,在SpringBoot应用中,有多种方式可以实现数据库读写分离,本文将介绍三... 目录一、数据库读写分离概述二、方案一:基于AbstractRoutingDataSource实现动态

Springboot @Autowired和@Resource的区别解析

《Springboot@Autowired和@Resource的区别解析》@Resource是JDK提供的注解,只是Spring在实现上提供了这个注解的功能支持,本文给大家介绍Springboot@... 目录【一】定义【1】@Autowired【2】@Resource【二】区别【1】包含的属性不同【2】@

springboot循环依赖问题案例代码及解决办法

《springboot循环依赖问题案例代码及解决办法》在SpringBoot中,如果两个或多个Bean之间存在循环依赖(即BeanA依赖BeanB,而BeanB又依赖BeanA),会导致Spring的... 目录1. 什么是循环依赖?2. 循环依赖的场景案例3. 解决循环依赖的常见方法方法 1:使用 @La

Java枚举类实现Key-Value映射的多种实现方式

《Java枚举类实现Key-Value映射的多种实现方式》在Java开发中,枚举(Enum)是一种特殊的类,本文将详细介绍Java枚举类实现key-value映射的多种方式,有需要的小伙伴可以根据需要... 目录前言一、基础实现方式1.1 为枚举添加属性和构造方法二、http://www.cppcns.co

Elasticsearch 在 Java 中的使用教程

《Elasticsearch在Java中的使用教程》Elasticsearch是一个分布式搜索和分析引擎,基于ApacheLucene构建,能够实现实时数据的存储、搜索、和分析,它广泛应用于全文... 目录1. Elasticsearch 简介2. 环境准备2.1 安装 Elasticsearch2.2 J

Java中的String.valueOf()和toString()方法区别小结

《Java中的String.valueOf()和toString()方法区别小结》字符串操作是开发者日常编程任务中不可或缺的一部分,转换为字符串是一种常见需求,其中最常见的就是String.value... 目录String.valueOf()方法方法定义方法实现使用示例使用场景toString()方法方法

Java中List的contains()方法的使用小结

《Java中List的contains()方法的使用小结》List的contains()方法用于检查列表中是否包含指定的元素,借助equals()方法进行判断,下面就来介绍Java中List的c... 目录详细展开1. 方法签名2. 工作原理3. 使用示例4. 注意事项总结结论:List 的 contain

Java实现文件图片的预览和下载功能

《Java实现文件图片的预览和下载功能》这篇文章主要为大家详细介绍了如何使用Java实现文件图片的预览和下载功能,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... Java实现文件(图片)的预览和下载 @ApiOperation("访问文件") @GetMapping("

Spring Boot + MyBatis Plus 高效开发实战从入门到进阶优化(推荐)

《SpringBoot+MyBatisPlus高效开发实战从入门到进阶优化(推荐)》本文将详细介绍SpringBoot+MyBatisPlus的完整开发流程,并深入剖析分页查询、批量操作、动... 目录Spring Boot + MyBATis Plus 高效开发实战:从入门到进阶优化1. MyBatis