我对Spark sorting of delimited data似乎有类似的问题,但是已接受的解决方案并不能解决我的问题。
我正在尝试在一个简单的RDD上应用combineByKey:
package foo
import org.apache.spark._
import org.apache.spark.SparkConf
import org.apache.spark.SparkContext._
object HelloTest {
def main(args: Array[String]) {
val sparkConf = new SparkConf().setAppName("Test")
val sc = new SparkContext(sparkConf)
val input = sc.textFile("/path/to/test.txt")
val result = input.combineByKey(
(v) => (v, 1),
(acc: (Int, Int), v) => (acc._1 + v, acc._2 + 1),
(acc1: (Int, Int), acc2: (Int, Int)) => (acc1._1 + acc2._1, acc1._2 + acc2._2)
).map{ case (key, value) => (key, value._1 / value._2.toFloat) }
result.collectAsMap().map(println(_))
sc.stop()
}
}
我在编译时得到(唯一的)跟随错误:
$ scalac -cp /path/to/scala-2.10/spark-assembly-1.4.0-SNAPSHOT-hadoop2.2.0.jar -sourcepath src/ -d bin src/foo/HelloTest.scala
error: value combineByKey is not a member of org.apache.spark.rdd.RDD[String]
有趣的是这里没有描述combineByKey函数:https://spark.apache.org/docs/latest/programming-guide.html#working-with-key-value-pairs但是,在使用learning spark book的k / v对部分时。
答案 0 :(得分:5)
所以问题似乎是你的输入是非键控的。当您从文本文件读入输入时,它是字符串的RDD,对于combineByKey或任何类似的函数,它需要是键值对的RDD。希望有帮助并很高兴看到Learning Spark读者:)