Spark JavaPairRDD迭代

Question

如何迭代JavaPairRDD。我已经完成了一个分组并获得了一个RDD，如下面的JavaPairRDD（元组7字符串和对象列表）

现在我必须迭代这个RDD并做一些像Pig中的FOR EACH一样的计算。 基本上我想迭代键和值列表并执行一些操作然后返回JavaPairRDD？

JavaPairRDD<Tuple7<String, String,String,String,String,String,String>, List<Records>> sizes =     
piTagRecordData.groupBy( new Function<Records, Tuple7<String, String,String,String,String,String,String>>() {
        private static final long serialVersionUID = 2885738359644652208L;
        @Override
        public Tuple7<String, String,String,String,String,String,String> call(Records row) throws Exception {
            Tuple7<String, String,String,String,String,String,String> compositeKey = new Tuple7<String, String, String, String, String, String, String>(row.getAsset_attribute_id(),row.getDate_time_value(),row.getOperation(),row.getPi_tag_count(),row.getAsset_id(),row.getAttr_name(),row.getCalculation_type());  
            return compositeKey;
        }
    });

在此之后我想执行FOR EACH大小的成员（JavaPairRDD），操作 - 类似

rejected_records = FOREACH sizes GENERATE FLATTEN(Java function on the List of Records based on the group key

我正在使用Spark 0.9.0

Answer 1

您可以使用void foreach(VoidFunction<T> f)方法。更多信息和方法：https://spark.apache.org/docs/1.1.0/api/java/org/apache/spark/api/java/JavaRDDLike.html#foreach(org.apache.spark.api.java.function.VoidFunction)

Answer 2

即使你在谈论＆＃34; FOR EACH＆＃34;，听起来你真的想要flatMap操作，因为你想要产生新的值并使它们变平。这适用于Java RDD，包括JavaPairRDD。

Answer 3

如果你想查看JavaPairRDD的某些值，我会这样做

for (Tuple2<String, String> test : pairRdd.take(10)) //or pairRdd.collect()
           {
               System.out.println(test._1);
               System.out.println(test._2);
          }

注意：Tuple2（假设您在JavaPairRDD中有字符串），根据存储在JavaPairRDD中的数据类型更改数据类型。