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

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)

aggregateByKey函數(shù)對(duì)PairRDD中相同Key的值進(jìn)行聚合操作，在聚合過程中同樣使用了一個(gè)中立的初始值。和aggregate函數(shù)類似，aggregateByKey返回值的類型不需要和RDD中value的類型一致。因?yàn)閍ggregateByKey是對(duì)相同Key中的值進(jìn)行聚合操作，所以aggregateByKey函數(shù)最終返回的類型還是Pair RDD，對(duì)應(yīng)的結(jié)果是Key和聚合好的值；而aggregate函數(shù)直接是返回非RDD的結(jié)果，這點(diǎn)需要注意。在實(shí)現(xiàn)過程中，定義了三個(gè)aggregateByKey函數(shù)原型，但最終調(diào)用的aggregateByKey函數(shù)都一致。

// 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 JavaPairRDD aggregateByKey(U zeroValue, Partitioner partitioner, Function2 seqFunc, Function2 combFunc) public JavaPairRDD aggregateByKey(U zeroValue, int numPartitions, Function2 seqFunc, Function2 combFunc) public JavaPairRDD aggregateByKey(U zeroValue, Function2 seqFunc, Function2 combFunc)

第一個(gè)aggregateByKey函數(shù)我們可以自定義Partitioner。除了這個(gè)參數(shù)之外，其函數(shù)聲明和aggregate很類似；其他的aggregateByKey函數(shù)實(shí)現(xiàn)最終都是調(diào)用這個(gè)。

第二個(gè)aggregateByKey函數(shù)可以設(shè)置分區(qū)的個(gè)數(shù)(numPartitions)，最終用的是HashPartitioner。

最后一個(gè)aggregateByKey實(shí)現(xiàn)先會(huì)判斷當(dāng)前RDD是否定義了分區(qū)函數(shù)，如果定義了則用當(dāng)前RDD的分區(qū)；如果當(dāng)前RDD并未定義分區(qū) ，則使用HashPartitioner。

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 javaPairRDD = sc.parallelizePairs(Lists.>newArrayList( new Tuple2("cat",3), new Tuple2("dog",33), new Tuple2("cat",16), new Tuple2("tiger",66)), 2); // 打印樣例數(shù)據(jù) javaPairRDD.foreach(new VoidFunction>() { public void call(Tuple2 stringIntegerTuple2) throws Exception { System.out.println("樣例數(shù)據(jù)>>>>>>>" + stringIntegerTuple2); } }); JavaPairRDD javaPairRDD1 = javaPairRDD.aggregateByKey(14, new Function2() { public Integer call(Integer v1, Integer v2) throws Exception { System.out.println("seqOp>>>>> 參數(shù)One："+v1+"--參數(shù)Two:"+v2); return Math.max(v1,v2); } }, new Function2() { public Integer call(Integer v1, Integer v2) throws Exception { System.out.println("combOp>>>>> 參數(shù)One："+v1+"--參數(shù)Two:"+v2); return v1+v2; } }); // 打印結(jié)果數(shù)據(jù) javaPairRDD1.foreach(new VoidFunction>() { public void call(Tuple2 stringIntegerTuple2) throws Exception { System.out.println("結(jié)果數(shù)據(jù)>>>>>>>" + stringIntegerTuple2); } }); } }

// 打印樣例數(shù)據(jù) 這里的分區(qū)是兩個(gè) 其中分區(qū)內(nèi)都有一個(gè)相同key值 19/03/03 22:16:07 INFO Executor: Running task 0.0 in stage 0.0 (TID 0) 樣例數(shù)據(jù)>>>>>>>(cat,3) 樣例數(shù)據(jù)>>>>>>>(dog,33) 19/03/03 22:16:07 INFO Executor: Running task 1.0 in stage 0.0 (TID 1) 樣例數(shù)據(jù)>>>>>>>(cat,16) 樣例數(shù)據(jù)>>>>>>>(tiger,66) 19/03/03 22:16:07 INFO Executor: Running task 0.0 in stage 1.0 (TID 2) // 第一個(gè)分區(qū)比較大小 14 3 => 14（cat） ， 14 33 => 33（dog） seqOp>>>>> 參數(shù)One：14--參數(shù)Two:3 seqOp>>>>> 參數(shù)One：14--參數(shù)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) // 第二個(gè)分區(qū)比較 14 16 => 16（cat） ,14 66 => 66（tiger） seqOp>>>>> 參數(shù)One：14--參數(shù)Two:16 seqOp>>>>> 參數(shù)One：14--參數(shù)Two:66 19/03/03 22:16:08 INFO ShuffleBlockFetcherIterator: Started 0 remote fetches in 4 ms // 這個(gè)就是combOp階段 在不同分區(qū)內(nèi) 相同key的值做聚合操作 也就是（cat）14 + （cat）16 = 30 combOp>>>>> 參數(shù)One：14--參數(shù)Two:16 // 最后結(jié)果 結(jié)果數(shù)據(jù)>>>>>>>(dog,33) 結(jié)果數(shù)據(jù)>>>>>>>(cat,30) 19/03/03 22:16:08 INFO ShuffleBlockFetcherIterator: Started 0 remote fetches in 0 ms 結(jié)果數(shù)據(jù)>>>>>>>(tiger,66)

一定要記住： combOp 是聚合的不同分區(qū)相同key的值

從上述過程中，我們就能明白流程是什么了。

seqOp

開始我們的數(shù)據(jù)是：

分片1：(cat,3) (dog,33)

分片2：(cat,16) (tiger,66)

// 這里只有兩個(gè)分片 所以寫兩個(gè)過程 第一個(gè)分片開始seqOp過程： 14（zeroValue） 和 3（cat） 比較 = 14（結(jié)果1）， 14（zeroValue） 和 33（dog） 比較 = 14（結(jié)果2） 第二個(gè)分片開始元素聚合過程： 14（zeroValue） 和 16（cat） 比較 = 14（結(jié)果3）， 14（zeroValue） 和 66（tiger） 比較 = 14（結(jié)果4）

combOp（不同分區(qū)相同key值）

開始分片combOp過程：cat在不同分區(qū)有相同key值 結(jié)果1 + 結(jié)果3 = 30（結(jié)果5） 最終得到的結(jié)果2 ，結(jié)果4，結(jié)果5 結(jié)果數(shù)據(jù)>>>>>>>(dog,33) 結(jié)果數(shù)據(jù)>>>>>>>(cat,30) 結(jié)果數(shù)據(jù)>>>>>>>(tiger,66)

如果有什么不明白的評(píng)論留言即可。

EI企業(yè)智能 Java spark 可信智能計(jì)算服務(wù) TICS 智能數(shù)據(jù)

版權(quán)聲明：本文內(nèi)容由網(wǎng)絡(luò)用戶投稿，版權(quán)歸原作者所有，本站不擁有其著作權(quán)，亦不承擔(dān)相應(yīng)法律責(zé)任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實(shí)的內(nèi)容，請(qǐng)聯(lián)系我們jiasou666@gmail.com 處理，核實(shí)后本網(wǎng)站將在24小時(shí)內(nèi)刪除侵權(quán)內(nèi)容。

版權(quán)聲明：本文內(nèi)容由網(wǎng)絡(luò)用戶投稿，版權(quán)歸原作者所有，本站不擁有其著作權(quán)，亦不承擔(dān)相應(yīng)法律責(zé)任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實(shí)的內(nèi)容，請(qǐng)聯(lián)系我們jiasou666@gmail.com 處理，核實(shí)后本網(wǎng)站將在24小時(shí)內(nèi)刪除侵權(quán)內(nèi)容。