Spark-Scala语言实战（12）

在之前的文章中，我们学习了如何在spark中使用键值对中的join,rightOuterJoin,leftOuterJoin三种方法。想了解的朋友可以查看这篇文章。同时，希望我的文章能帮助到你，如果觉得我的文章写的不错，请留下你宝贵的点赞，谢谢。

Spark-Scala语言实战（11）-CSDN博客文章浏览阅读670次，点赞27次，收藏16次。今天开始的文章，我会带给大家如何在spark的中使用我们的键值对方法，今天学习键值对方法中的join,rightOuterJoin,leftOuterJoin三种方法。希望我的文章能帮助到大家，也欢迎大家来我的文章下交流讨论，共同进步。https://blog.csdn.net/qq_49513817/article/details/137357301今天的文章开始，我会继续带着大家如何在spark的中使用我们的键值对里的方法。今天学习键值对方法中的keys和values,reduceByKey,groupByKey三种方法。

一、知识回顾

二、键值对方法

1.keys和values

2.reduceByKey

3.groupByKey

拓展-方法参数设置

一、知识回顾

上一篇文章中我们学习了键值对的三种方法，分别是join,rightOuterJoin,leftOuterJoin。

join

join方法可以将两个RDD键值对进行内连接，它会将两个RDD键值对中拥有相同键的值进行连接。

rightOuterJoin方法是右外连接。只会包含右键值对的键，如果左边有右边的键，对应的值会连接。如果左边没有右边的键，就会显示None值（空值）。

leftOuterJoin与rightOuterJoin方法想法，它是左外连接，也就是如果右边有左边的键，对应的值会连接。如果右边没有左边的键，就会显示None值（空值）。

现在，开始今天的学习吧~

二、键值对方法

1.keys和values

键值对RDD，包含键和值两个部分。
Spark提供了两种方法，分别获取键值对RDD的键和值。
keys方法返回一个仅包含键的RDD。
values方法返回一个仅包含值的RDD。

import org.apache.spark.{SparkConf, SparkContext}
object p1 {
  def main(args: Array[String]): Unit = {
    val conf=new SparkConf().setMaster("local").setAppName("p2")
    val sc=new SparkContext(conf)
    // 创建一个包含键值对的RDD
    val p = sc.parallelize(Seq(("a", 1), ("b", 2), ("c", 3), ("d", 4)))
    // 使用keys方法获取所有的键
    val p1 = p.keys
    p1.collect().foreach(println) // 输出：a, b, c, d
    // 使用values方法获取所有的值
    val p2 = p.values
    p2.collect().foreach(println) // 输出：1, 2, 3, 4
  }
}

可以看到我们创建了一个包含a，b，c，d四个元素的键与包含1，2，3，4四个元素的值，分别使用 keys与values获取它们对应的元素，那么键应该输出abcd，而值应该输出1234，现在运行代码。

与预期一致，快去试试吧~

2.reduceByKey

当数据集以键值对形式展现时，合并统计键相同的值是很常用的操作。
reduceByKey()方法用于合并具有相同键的值，作用对象是键值对，并且只对每个键的值进行处理，当RDD中有多个键相同的键值对时，则会对每个键对应的值进行处理。
reduceByKey()方法需要接收一个输入函数，键值对RDD相同键的值会根据函数进行合并并且创建一个新的RDD作为返回结果。

import org.apache.spark.{SparkConf, SparkContext}
object p1 {
  def main(args: Array[String]): Unit = {
    val conf=new SparkConf().setMaster("local").setAppName("p2")
    val sc=new SparkContext(conf)
    // 创建一个包含键值对的RDD
    val p = sc.parallelize(Seq(("a", 1), ("b", 2), ("a", 3), ("b", 4), ("c", 5)))
    // 使用reduceByKey方法将具有相同键的值进行相加
    val pp = p.reduceByKey((x, y) => x + y)
    // 收集结果并打印
    pp.collect().foreach(println)
  }
}

通过代码，我们创建了一个包含abc三个键的RDD，但a，b两个键对应有多个值，那么使用reduceByKey方法，就可以将具有相同键的值进行相加。那么a的值就应该是1+3=4，b的值2+4=6，c不变。

运行代码，可以看到与预期输出一致。

3.groupByKey

groupByKey()方法用于对具有相同键的值进行分组，可以对同一组的数据进行计数、求和等操作。
对于一个由类型K的键和类型V的值组成的RDD，通过groupByKey()方法得到的RDD类型是[K,Iterable[V]]。

import org.apache.spark.{SparkConf, SparkContext}
object p1 {
  def main(args: Array[String]): Unit = {
    val conf=new SparkConf().setMaster("local").setAppName("p2")
    val sc=new SparkContext(conf)

    val p = sc.parallelize(Seq(("a", "1"), ("a", "3"), ("b", "6"), ("a", "7"), ("b", "2")))
    // 使用groupByKey方法将具有相同键的值分组
    val pp= p.groupByKey()
    // 收集结果并打印
    pp.collect().foreach(println)
    }
}

我们创建了一个包含ab两个键的RDD，它们分布有多个不同的值，使用groupByKey将它们进行分组的话，就会输出只有ab的两个键与多个值的组。

与预期一致，快去试试吧~

拓展-方法参数设置

方法	描述	参数	效果	属性
`keys`	提取键值对RDD中的键，形成新的RDD	无	返回一个只包含键的新RDD	不改变值的数量，只保留键
`values`	提取键值对RDD中的值，形成新的RDD	无	返回一个只包含值的新RDD	不改变键的数量，只保留值
`reduceByKey`	根据键对RDD中的值进行聚合操作，返回一个新的键值对RDD	函数（用于聚合值）	将具有相同键的值聚合在一起，应用提供的函数	减少输出的数量，只保留唯一的键和聚合后的值
`groupByKey`	根据键对RDD中的值进行分组，返回一个新的键值对RDD，其中值是一个迭代器	无	将具有相同键的值分组在一起，值是一个包含所有相关值的迭代器	不减少输出的数量，但将相同键的值组合在一起