spark编程模型（十一）之RDD基础转换操作（Transformation Operation）——zipWithIndex、zipWithUniqueId

zipWithIndex()

• def zipWithIndex(): RDD[(T, Long)]

• 该函数将RDD中的元素和这个元素在RDD中的ID（索引号）组合成键/值对

    scala> var rdd2 = sc.makeRDD(Seq("A","B","R","D","F"),2)
    rdd2: org.apache.spark.rdd.RDD[String] = ParallelCollectionRDD[34] at makeRDD at :21
     
    scala> rdd2.zipWithIndex().collect
    res27: Array[(String, Long)] = Array((A,0), (B,1), (R,2), (D,3), (F,4))
  

zipWithUniqueId()

• def zipWithUniqueId(): RDD[(T, Long)]

• 该函数将RDD中元素和一个唯一ID组合成键/值对，该唯一ID生成算法如下：

• 每个分区中第一个元素的唯一ID值为：该分区索引号，

• 每个分区中第N个元素的唯一ID值为：(前一个元素的唯一ID值) + (该RDD总的分区数)

    scala> var rdd1 = sc.makeRDD(Seq("A","B","C","D","E","F"),2)
    rdd1: org.apache.spark.rdd.RDD[String] = ParallelCollectionRDD[44] at makeRDD at :21
    //rdd1有两个分区，
    scala> rdd1.zipWithUniqueId().collect
    res32: Array[(String, Long)] = Array((A,0), (B,2), (C,4), (D,1), (E,3), (F,5))
    //总分区数为2
    //第一个分区第一个元素ID为0，第二个分区第一个元素ID为1
    //第一个分区第二个元素ID为0+2=2，第一个分区第三个元素ID为2+2=4
    //第二个分区第二个元素ID为1+2=3，第二个分区第三个元素ID为3+2=5