Spack [Scala]:按键减少嵌套元组值
Posted
技术标签:
【中文标题】Spack [Scala]:按键减少嵌套元组值【英文标题】:Spack [Scala]: Reduce a nested tuple value by key 【发布时间】:2020-09-17 11:25:46 【问题描述】:假设我有一个 Spark Scala 程序,其 RDD 名为 mention_rdd
,如下所示:
(name, (filename, sum))
...
(Maria, (file0, 3))
(John, (file0, 1))
(Maria, (file1, 6))
(Maria, (file2, 1))
(John, (file2, 3))
...
我们有文件名和每个名称的出现次数。
我想为每个名称减少并找到出现次数最多的文件名。例如:
(name, (filename, max(sum))
...
(Maria, (file1, 6))
(John, (file2, 3))
...
我尝试自己访问 RDD 的 (filename,sum)
元组,所以我可以从那里减少 name
(由于错误说我无法从 mention_rdd
遍历,因为 (String,Int)
不是TraversableOnce
类型):
val output = mention_rdd.flatMap(file_counts => file_counts._2.map(file_counts._2._1, file_counts._2._2))
.reduceByKey((a, b) => if (a > b) a else b)
但我收到一条错误消息,提示 value map 不是 (String, Int) 的成员
这可以在 Spark 中实现吗?如果是这样,怎么办?我的方法从一开始就有缺陷吗?
【问题讨论】:
【参考方案1】:为什么不只是:
val output = mention_rdd.reduceByKey
case ((file1, sum1), (file2, sum2)) =>
if (sum2 >= sum1) (file2, sum2)
else (file1, sum1)
【讨论】:
是的,就是这么简单。只是我偶然发现的任何其他示例都使用了扁平地图,这让我感到困惑。以上是关于Spack [Scala]:按键减少嵌套元组值的主要内容,如果未能解决你的问题,请参考以下文章
如何使用嵌套元组或 HList 处理具有 Slick 的 > 22 列表?