Las similitudes y diferencias entre combineByKey y addedByKey
combinarPorClave | agregado por clave | |
---|---|---|
diferencia | tiene tres listas de parámetros y no requiere un valor inicial | tiene solo dos listas de parámetros y requiere un valor inicial |
El mismo punto : ambos pueden asignar valores clave para el cálculo dentro de la partición y el cálculo entre particiones.
Buceando en el código
agregado por clave
- addedByKey tiene dos listas de parámetros
- La primera lista de parámetros: se debe pasar un parámetro, que se expresa como el valor inicial
. Cuando se encuentra la primera clave, el valor se calcula en la partición. - La segunda lista de parámetros: se deben pasar 2 parámetros:
el primer parámetro indica el cálculo dentro de la partición
y el segundo parámetro indica el cálculo entre las particiones
- La primera lista de parámetros: se debe pasar un parámetro, que se expresa como el valor inicial
//aggregateByKey有两个参数列表
//第一个参数列表: zeroValue =
// 需要传递一个参数,表示为初始值
// 当碰见第一个key时候,和value进行分区内计算
//第二个参数列表:
// 需要传递2个参数:
// 第一个参数表示分区内计算
// 第二个参数表示分区间计算
rdd.aggregateByKey(zeroValue = 0)(
(x, y) => math.max(x, y),
(x, y) => x + y
).collect().foreach(println)
combinarPorClave
- El método combineByKey toma tres parámetros:
- El primer parámetro: convertir la estructura de los primeros datos de la misma clave para realizar la operación
- El segundo parámetro: la regla de cálculo en la partición.
- El tercer parámetro: la regla de cálculo del intervalo de partición
//combineByKey方法需要三个参数:
//第一个参数:
// 将相同key的第一个数据进行结构转换,实现操作
//第二个参数:
// 分区内的计算规则
//第三个参数:
// 分区间的计算规则
val newRDD: RDD[(String, (Int, Int))] = rdd.combineByKey(
v => (v, 1),
(t: (Int, Int), v) => {
(t._1 + v, t._2 + 1)
},
(t1 Int: , t2: Int) => {
(t1._1 + t2._1, t1._2 + t2._2)
}
)