reduceBykey Spark维持秩序

Question

我的输入数据集看起来像

id1, 10, v1
id2, 9, v2
id2, 34, v3
id1, 6, v4
id1, 12, v5
id2, 2, v6

我希望输出

id1; 6,v4 | 10,v1 | 12,v5
id2; 2,v6 | 9,v2 | 34,v3

这就是

id1: array[num(i),value(i)] where num(i) should be sorted

我尝试过：

• 获取id和第二列作为键sortByKey，但由于它是一个字符串， 排序不像int那样发生，而是作为字符串

发生

• 获取第二列作为键sortByKey，然后获取id和key以及第二列 值列reduceByKey。但在这种情况下，在做的时候 reduceByKey;订单不会保留。即使groupByKey也没有阻止 命令。实际上这是预期的。

任何帮助将不胜感激。

Answer 1

由于您没有提供有关输入类型的任何信息，我认为它是RDD[(String, Int, String)]：

val rdd = sc.parallelize(
    ("id1", 10, "v1") :: ("id2", 9, "v2") ::
    ("id2", 34, "v3") :: ("id1", 6, "v4") :: 
    ("id1", 12, "v5") :: ("id2", 2, "v6") :: Nil)

rdd
  .map{case (id, x, y) => (id, (x, y))}
  .groupByKey
  .mapValues(iter => iter.toList.sortBy(_._1))
  .sortByKey() // Optional if you want id1 before id2

修改：

要获得您已描述in the comments的输出，您可以使用以下内容替换传递给mapValues的函数：

def process(iter: Iterable[(Int, String)]): String = {
  iter.toList
      .sortBy(_._1)
      .map{case (x, y) => s"$x,$y"}
      .mkString("|")
}