Question

如何将此示例scala spark代码转换为apache flink？

reduceByKey( (x, y) => (x._1 + y._1, ( (x._2) ++ y._2) ) )

我意识到reduceByKey在flink中不存在，但它显示了我想要实现的目标。

谢谢你的任何帮助！

Answer 1

与Spark不同，Flink不需要键值对来执行reduce，join和coGroup操作。它可以直接在任何类型（如POJO，元组或用户类型）上执行它们。你必须提供给Flink的是它必须分组的领域。这可以是提取密钥的函数，逻辑索引或字段的名称。然后，当您调用reduce操作时，整个对象将被赋予reduce函数，而不仅仅是值部分。

假设您的input: DataSet[(K, (T, List[U]))] K是键类型，那么您的reduce函数将如下所示：

input.groupBy(0).reduce{
  (left: (K, (T, List[U])), right: (K, (T, List[U]))) =>
    val (key, (leftValue1, leftValue2)) = left
    val (_, (rightValue1, rightValue2)) = right

    (key, (leftValue1 + rightValue1, leftValue2 ++ rightValue2))
}

为了便于理解，我还为匿名函数提供了类型注释。但这不是必要的。

更新

这是Humberto的特定用例的解决方案，假设输入字段由具有3个条目的行组成，空格分隔，第三个条目是整数：

val input = env.readCsvFile[(String, String, Int)](filePath, lineDelimiter = "\n", fieldDelimiter = " ")

val result = input
  .map (element => (element._1, element._3, Map(element._2 -> element._3)))
  .groupBy(0)
  .reduce{
    (left, right) =>
      val (key, left1, left2) = left
      val (_, right1, right2) = right

      (key, left1 + right1, left2 ++ right2)
  }

Answer 2

type="video/mp4"基本上将函数reduceByKey应用于按键分组的(V, V) => V键值对的值。等效的“普通scala”实现：

(K, V)

可能是：

reduceByKey( (v1, v2) => (v1._1 + v2._1, ( (v1._2) ++ v2._2) ) )

（如果我做对了）

可能的flink实现可能是：

groupBy(_._1).mapValues(_.values.reduce((v1, v2) => ...))

按键分组，然后按值上应用的函数缩小。

@Till解释后

编辑

然后当你调用reduce操作时，那么整个对象就是给予reduce函数而不仅仅是值部分。

groupBy(0).reduce { (v1, v2) => (v1._1 + v2._1, ( (v1._2) ++ v2._2) ) }

将reduceByKey从Spark转换为Flink

2 个答案:

更新