rdd1 key is (user_id, inc_id)user_id，inc_id，visit_date1 visit_date2 visit_date3 visit_date4
rdd2键也是（user_id，inc_id） user_id，inc_id，purchase_date1 purchase_date2 purchase_date3 purchase_date4
日期按时间顺序排序（visit_date1发生在visit_date 2之前）
这是我想要计算第一次出现的内容 每个（user_id，inc_id）组合的条件是最早的时间 当（visit_date和purchase_date）之间的差异较小时 超过24小时。我想这样做是非常有效的，因为我 有数千万（user_id，inc_id）对和 每个（user_id，inc_id）对有数百/数千个条目。
以下是一些示例数据：
rdd1
(100, 1) 2015-01-12 06:32:00.0 2015-02-14 18:32:20.0 2015-03-18 11:18:25.0 2015-04-28 10:18:24.0
RDD2
(100, 1) 2014-12-18 16:32:00.0 2015-01-10 8:32:20.0 2015-03-18 20:18:25.0 2015-04-28 11:28:42.0
在这种情况下（2015-03-18 11：18：25.0 2015-03-18 20：18：25.0）和 （2015-04-28 10：18：24.0 2015-04-28 11：28：42.0）满足24岁以内 小时条件。但是，自2015-03-18 11：18：25.0发生之前 2015-04-28 10：18：24.0我想（2015-03-18 11：18：25.0
2015-03-18 20：18：25.0）被选为结果。
答案 0 :(得分：0)
根据我的理解，因为您没有提供数据类型或代码示例，您需要折叠您的RDD并检查累加器和当前值之间的差异是否少于24小时