将RDD [String]拆分为RDD [tuples]

Question

我是Scala和RDD的初学者。我在Spark 2.4上使用Scala。我有这样的一行的RDD [String]：

(a, b, c, d, ...)

我想在每次昏迷时将此字符串分割成RDD[(String, String, String, ...)]。

就元素数量而言，以下解决方案显然是不可能的。

rdd.map(x => (x.split(",")(0), x.split(",")(1), x.split(",")(2)))

可能有一种自动化的方法吗？一切正常。

尽管做出了努力，但到目前为止，我仍然无法解决问题，

非常感谢！

Answer 1

如果元素数量固定，则可以执行以下操作：

evaluate

Answer 2

一种解决方案是只编写映射函数：

def parse(s: String) = s.split(",") match {
    case Array(a,b,c) => (a,b,c)
}

parse("x,x,x") // (x,x,x)

您可以使用shapeless编写更通用的解决方案：

def toTuple[H <: HList](s: String)(implicit ft: FromTraversable[H], t: Tupler[H]) = s.split(",").toHList[H].get.tupled

然后您可以直接使用它：

toTuple[String :: String :: String :: HNil]("x,x,x") // (x,x,x)
toTuple[String :: String :: HNil]("x,x") // (x,x)

或修复然后键入然后使用：

def parse3(s: String) = toTuple[String :: String :: String :: HNil](s)

parse3("x,x,x") // (x,x,x)

Answer 3

请注意，最大元组大小限制为22，因此列出所有元组的时间不会太长...

顺便说一句，在 Spark in Action 一书的第 110 页中，它写道：

  

没有将数组转换为元组的优雅方法，因此您必须诉诸此丑陋的表达式：

filter