Question

我有这种格式的数据：

100 1 2 3 4 5

我使用以下代码加载它：

 val data : RDD[(String, Array[Int])] = sc.textFile("data.txt").map(line => ((line.split("\t"))(0), (line.split("\t"))(1).split(" ").map(_.toInt)))

我想从Array [Int]生成对，使得值大于数字的数组元素（以下代码中的2）与数组的所有其他元素配对。然后我将使用它来生成更多的统计数据。例如，对于样本数据，我应该能够首先生成它：

100（3,1），（3,2），（3,4），（3,5），（4,1），（4,2），（4,3），（4,5））

val test = merged_data.mapValues { case x =>
      for (element <- x) {
        val y = x.filter(_ != element)

        if (element > 2)
          {

            for (yelement <- y)
              {
                (element, yelement)
              }
          }
      }
      }

这是我得到的o / p：Array [（String，Unit）] = Array（（100，（）））不知道为什么它是空的。

一旦我能够解决这个问题，我将对元组中的元素进行排序并删除重复项（如果有的话）以上o / p

100（3,1），（3,2），（3,4），（3,5），（4,1），（4,2），（4,3），（4,5））

成为这个：

100（1,3），（2,3），（3,4），（3,5），（1,4），（2,4），（4,5）

Answer 1

我能够解决这个问题：

  val test = merged_data.mapValues { case x =>
  var sb = new StringBuilder

  for (element <- x) {
    val y = x.filter(_ != element)

    if (element > 2)
      {

        for (yelement <- y)
          {
            (element, yelement)
          }
      }
  }
  sb.toString()
  }

Answer 2

如下：

val test = data.mapValues { x =>
    for {
        element <- x.filter(_ > 2);
        yelement <- x.filter(_ != element)
    } yield (element, yelement)
}

您也可以查看：Nested iteration in Scala，它解答了您获得空结果的原因。

Spark RDD转换问题

2 个答案: