Spark算子 - reduceByKey

释义

reduceByKey类似reduce，但reduceByKey 是先根据key进行分组，再将每个组内的记录归并成1个记录，最终返回一个PairRDD，k为key类型，v为每个组归并后的记录类型

方法签名如下：

def reduceByKey(func: (V, V) => V): RDD[(K, V)] = self.withScope {
    ...
}

• func: 根据key分组后的每个组，组内进行归并最终只有一个结果。输入类型为V跟V，输出为V，即输入类型与输出类型一致
  
  

案例1

统计单词个数/wordcount
参考：https://www.cnblogs.com/convict/p/14828084.html

---

案例2

已知市场上每个店的销售的水果及单价，求市场上每种水果的平均价格

object TestReduceByKey {
  def main(args: Array[String]): Unit = {
    val conf: SparkConf = new SparkConf().setAppName("TestReduceByKey").setMaster("local[1]")
    val sc: SparkContext = new SparkContext(conf)
    val data = Array(("Apple", 5.0), ("Apple", 5.5), ("Banana", 2.0), ("Pear", 2.0))
    val result: Array[(String, Double)] = sc.parallelize(data)
      .map(v => (v._1, (v._2, 1)))
      .reduceByKey((v1, v2) => (v1._1 + v2._1, v1._2 + v2._2))
      .map(v => (v._1, v._2._1 / v._2._2))
      .collect()
    result.foreach(println)
  }
}

输出

(Apple,5.25)
(Pear,2.0)
(Banana,2.0)

解释

1. 先map成新元组，即(name, (price, 1))
2. 调用reduceByKey后，此时v1与v2都是value值，即都是上一步的(price, 1)，此时同个key的组内price与price相加，1与1相加做为数量和，最终形成(price之和, 数量之和) 的形式
3. 对每个组的结果进行 price之和 除以 数量之和 的操作，得出每个水果的均价