标签：tap aggregate 结果 import ber app master tor 另一个
Aggregate即聚合操作。直接上代码：
import org.apache.spark.{SparkConf, SparkContext} object AggregateTest { def main(args:Array[String]) = { // 设置运行环境 val conf = new SparkConf().setAppName("Aggregate Test").setMaster("spark://master:7077").setJars(Seq("E:\\Intellij\\Projects\\SimpleGraphX\\SimpleGraphX.jar")) val sc = new SparkContext(conf) var data = List(2,5,8,1,2,6,9,4,3,5) var res = data.par.aggregate((0,0))( // seqOp (acc, number) => (acc._1+number, acc._2+1), // combOp (par1, par2) => (par1._1+par2._1, par1._2+par2._2) ) println(res) sc.stop } }
acc即(0,0)，number即data，seqOp将data的值累加到Tuple的第一个元素，将data的个数累加到Tuple的第二个元素。由于没有分区，所以combOp是不起作用的，这个例子里面即使分区了，combOp起作用了，结果也是一样的。
运行结果：
(45,10)
AggregateByKey和Aggregate差不多，也是聚合，不过它是根据Key的值来聚合。
import org.apache.spark.rdd.RDD import org.apache.spark.{SparkConf, SparkContext} /** * Created by Administrator on 2017/6/13. */ object AggregateByKeyTest { def main(args:Array[String]) = { // 设置运行环境 val conf = new SparkConf().setAppName("AggregateByKey Test").setMaster("spark://master:7077").setJars(Seq("E:\\Intellij\\Projects\\SimpleGraphX\\SimpleGraphX.jar")) val sc = new SparkContext(conf) val data = List((1,3),(1,2),(1,4),(2,3),(3,6),(3,8)) val rdd = sc.parallelize(data) val res : RDD[(Int,Int)] = rdd.aggregateByKey(0)( // seqOp math.max(_,_), // combOp _+_ ) res.collect.foreach(println) sc.stop } }
根据Key值的不同，可以分为3个组：
(1) (1,3),(1,2),(1,4)；
(2) (2,3)；
(3) (3,6),(3,8)。
这3个组分别进行seqOp，也就是(K,V)里面的V和0进行math.max()运算，运算结果和下一个V继续运算，以第一个组为例，运算过程是这样的：
0, 3 => 3
3, 2 => 3
3, 4 => 4
所以最终结果是(1,4)。combOp是对把各分区的V加起来，由于这里并没有分区，所以实际上是不起作用的。
运行结果：
(2,3) (1,4) (3,8)
如果生成RDD时分成3个区：
val rdd = sc.parallelize(data,3)
运行结果就变成了：
(3,8) (1,7) (2,3)
这是因为一个分区返回(1,3)，另一个分区返回(1,4)，combOp将这两个V加起来，就得到了(1,7)。
Spark操作：Aggregate和AggregateByKey
标签：tap aggregate 结果 import ber app master tor 另一个
原文地址：http://www.cnblogs.com/mstk/p/7000509.html
