pyspark combineByKey的理解

Posted 2020-11-27 ivyharding

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了pyspark combineByKey的理解相关的知识，希望对你有一定的参考价值。

combineByKey(createCombiner,
             mergeValue, 
             mergeCombiners, 
             numPartitions=None, 
             partitionFunc=<function portable_hash at 0x7f1ac7340578>)

它是一个泛型函数，主要完成聚合操作，将输入RDD[(K,V)]转化为结果RDD[(K,C)]输出

　　乍一看，感觉有些难理解，我们来一起探索下！加油

pair RDD是键值对RDD 也就是包含key和value

我们对这样的数据做分组、聚合操作其实是将类型为RDD[(K,V)]的数据处理为RDD[(K,C)]

这里的V和C可以是相同类型，也可以是不同类型

求每个键对应的平均值

具体的操作过程如下：

技术图片