将RDD的每一行中的键值对列表转换为每行中的单个键值

Posted 2021-04-12

我关掉了RDD

List((a,b),(b,c))
List((d,e))

我怎么能得到它

(a,b)
(b,c)
(d,e)

我尝试过RDD.flatMap（x => x），这不起作用，因为有一个键值对列表，而不仅仅是值列表。

答案

rdd.flatMap(identity)将RDD[List[(String, String)]]转换为RDD[(String, String)]。

scala> val rdd = sc.parallelize(List(List(("a","b"),("b","c")), List(("d","e"))))
...
rdd: org.apache.spark.rdd.RDD[List[(String, String)]] = ParallelCollectionRDD[2] at parallelize at <console>:13
scala> rdd.flatMap(identity)
res2: org.apache.spark.rdd.RDD[(String, String)] = MapPartitionsRDD[3] at flatMap at <console>:14
scala> res2.collect()
...
res3: Array[(String, String)] = Array((a,b), (b,c), (d,e))

无论RDD[List[T]]的形状如何，这都适用于任何T。如果你分享了一些关于你尝试做什么的更多信息，可以提供更多帮助。