spark 例子倒排索引

Posted 2020-11-18 chendapao

spark 例子倒排索引

---

例子描述：

【倒排索引(InvertedIndex)】

这个例子是在一本讲spark书中看到的，但是样例代码写的太java化，没有函数式编程风格，于是问了些高手，教我写了份函数式的倒排索引。
这段代码，我在刚开始学的时候很难想到二次拆分数据，所以这个难点挺不错的。

原始数据
cx1|a,b,c,d,e,f
cx2|c,d,e,f
cx3|a,b,c,f
cx4|a,b,c,d,e,f
cx5|a,b,e,f
cx6|a,b,c,d
cx7|a,b,c,f
cx8|d,e,f
cx9|b,c,d,e,f

结果数据
d|cx1,cx2,cx4,cx6,cx8,cx9
e|cx1,cx2,cx4,cx5,cx8,cx9
a|cx1,cx3,cx4,cx5,cx6,cx7
b|cx1,cx3,cx4,cx5,cx6,cx7,cx9
f|cx1,cx2,cx3,cx4,cx5,cx7,cx8,cx9
c|cx1,cx2,cx3,cx4,cx6,cx7,cx9

---

代码片段：

/* 倒排索引InvertedIndex */

val source = Source.fromFile("E:/cxsvn/txt/dp.txt").getLines.toArray
val cxRDD0 = sc.parallelize(source)                          /* spark单机读取数据 */

cxRDD0
  .flatMap {
    lines =>
      val line = lines.split("\|", -1)                      /* 拆分数据，以竖杠为拆分条件 */
      line(1).split(",", -1).map {                           /* 再对拆分后的数据，进行第二次拆分 */
        v =>
          (v, line(0))                                       /* 拼接数据 */
      }
  }.groupByKey()                                             /* 分组 */
  .sortBy(_._1,true)                                         /* 排序 */
  .foreach(x => println(s"${x._1}|${x._2.mkString(",")}"))   /* 格式化输出 */