Spark - 使用JavaPairRDD按值排序

Question

使用apache spark使用Java。我得到了JavaPairRDD<String,Long>，我希望按其值对此数据集进行排序。但是，似乎只有sortByKey方法。我怎样才能按Long类型的值对其进行排序？

Answer 1

dataset.mapToPair（x - ＆gt; x.swap（））。sortByKey（false）.mapToPair（x - ＆gt; x.swap（））。take（100）

Answer 2

Spark尚不支持“二级排序”（有关详细信息，请参阅SPARK-3655）。

作为解决方法，您可以通过交换键＆lt; - ＆gt;按值进行排序。值和按常规按键排序。

在Scala中会是这样的：

val kv:RDD[String, Long] = ??? 
// swap key and value
val vk = kv.map(_.swap)
val vkSorted = vk.sortByKey

Answer 3

我使用列表进行了此操作，该列表现在具有sort(Comparator c)方法

List<Tuple2<String,Long>> touples = new ArrayList<>(); touples.addAll(myRdd.collect()); // touples.sort((Tuple2<String, Long> o1, Tuple2<String, Long> o2) -> o2._2.compareTo(o1._2));

它比@Atul解决方案更长，并且我不知道性能方面是否更好，在具有500个项目的RDD上没有区别，我想知道它如何与100万条记录的RDD一起工作。 您还可以使用Collections.sort并传递collect和基于lambda的Comparator所提供的列表