我明白了:
val vector: RDD[(String, Array[String])] = [("a", {v1,v2,..}),("b", {u1,u2,..})]
想转换为:
RDD[(String, String)] = [("a",v1), ("a",v2), ..., ("b",u1), ("b",u2), ...]
任何想法如何使用flatMap
。
答案 0 :(得分:4)
此:
vector.flatMap { case (x, arr) => arr.map((x, _)) }
会给你:
scala> val vector = sc.parallelize(Vector(("a", Array("b", "c")), ("b", Array("d", "f"))))
vector: org.apache.spark.rdd.RDD[(String, Array[String])] =
ParallelCollectionRDD[3] at parallelize at <console>:27
scala> vector.flatMap { case (x, arr) => arr.map((x, _)) }.collect
res4: Array[(String, String)] = Array((a,b), (a,c), (b,d), (b,f))
答案 1 :(得分:2)
您肯定需要像您提到的那样使用flatMap
,但此外,您还需要使用scala map
。
例如:
val idToVectorValue: RDD[(String, String ] = vector.flatMap((id,values) => values.map(value => (id, value)))
答案 2 :(得分:0)
使用单参数功能:
vector.flatMap(data => data._2.map((data._1, _)))