我有两对RDDs r1和r2,包含定义为
的元组Tuple2<Integer,String[]>
我想要做的是从两个RDD中找到具有相同键的元组,而不是将r1中值部分(String [])的每个元素与r2中的其他元素进行比较,而不是返回它们的元素索引举一个例子,让我们假设r1就像:
{ (1,["a1","b1","c1"]) (2,["x1","y1","z1"])...}
和r2就像:
{ (1,["a2","b2","c2"]) (3,["x2","y2","z2"])...}
如果我们在这里看到,关键字(1)存在于两个RDD中,所以它关注,现在我想扫描两个RDD中的值部分,并逐个比较元素与具有相同索引的元素其他RDD,当我发现相同的元素(从r1和r2中的元组具有相同的索引)时,我返回其索引的值,让我们解释一下
这是在r1中具有键1的元组:
(1,["a1","b1","c1"])
这是在r2中具有键1的元组:
(1,["a2","b2","c2"])
通过扫描,我将“a1”与“a2”,“b1”与“b2”进行比较,将“c1”与“c2”进行比较
我认为在比较之后我发现:
"a1".equals"a2"=true, "b1".equals"b2"=false, and "c1".equals"c2"=false
知道java中的表的索引从0开始,并且正如我之前所说的,我想返回不等于的元素的索引,遵循这个例子我将返回index1 = 1和index2 = 2,我该怎么做呢?
注意:如果我必须返回多个索引,我认为我会在一个名为
的INtegers RDD中收集它们会更好
JavaRDD <Integer> indexes
我希望它干净利落,我将感谢你们的帮助,谢谢。
答案 0 :(得分:1)
您可以使用join
然后map
执行此操作。
JavaPairRDD<Integer,Integer[]> idWithIndexes = r1.join(r2).map(new Function<Tuple2<Integer,Tuple2<String[],String[]>>,Tuple2<Integer,Integer[]>>(){
@Override
public Tuple2<Integer, Integer[]> call(Tuple2<Integer, Tuple2<String[], String[]>> t) throws Exception {
int id = t._1;
String[] s1 = t._2._1;
String[] s2 = t._2._2;
int length = Math.min(s1.length, s2.length);
List<Integer> index = new ArrayList<Integer>();
for (int i = 0; i < length; i++) {
if (!s1[i].equals(s2[i])) {
index.add(i);
}
}
return new Tuple2<Integer,Integer[]>(id, index.toArray(new Integer[0]));
}
});
这将返回id和index数组的JavaPairRDD
。