在火花对 RDD 中按值排序

Posted 2023-04-15

【中文标题】在火花对 RDD 中按值排序

【英文标题】：Order by value in spark pair RDD

【发布时间】：2014-11-17 09:59:36

【问题描述】：

我有一个如下的火花对 RDD (key, count)

Array[(String, Int)] = Array((a,1), (b,2), (c,1), (d,3))

使用 spark scala API 如何获取一个新的按值排序的 RDD 对？

所需结果：Array((d,3), (b,2), (a,1), (c,1))

【问题讨论】：

值中可能有重复吗？如果不是：交换键和值并按键排序，交换回来。

是的，值是重复的。

【参考方案1】：

这应该可行：

//Assuming the pair's second type has an Ordering, which is the case for Int
rdd.sortBy(_._2) // same as rdd.sortBy(pair => pair._2)

（虽然你可能想在有关系时也考虑到密钥。）

【讨论】：

嗨@GáborBakos，我创建了一个这样的地图-val b = a.map(x => (x(0), x) ) 这里b 的类型是org.apache.spark.rdd.RDD[(Any, org.apache.spark.sql.Row)] 当我尝试b.sortBy(_._2) 时它不起作用。有没有讨论如何使用_

嗨@SumitKumarGhosh，这似乎是一个不同的问题。我认为您需要为您的org.apache.spark.sql.Row 类型定义一个Ordering，因为它不是Ordered。如果您创建一个新问题，请也添加错误消息。 _ 只是以下内容的语法糖：aVariable => aVariable，所以_._2 也可以这样写：pair => pair._2。

[链接] (***.com/questions/30469864/…)

对于那些来到这篇文章寻找 PySpark 解决方案的人：rdd.sortBy(lambda pair:pair[1])

降序使用：rdd.sortBy(_._2, false) 参考：***.com/questions/41918826/…

【参考方案2】：

按key和value升序和降序排序

val textfile = sc.textFile("file:///home/hdfs/input.txt")
val words = textfile.flatMap(line => line.split(" "))
//Sort by value in descending order. For ascending order remove 'false' argument from sortBy
words.map( word => (word,1)).reduceByKey((a,b) => a+b).sortBy(_._2,false)
//for ascending order by value
words.map( word => (word,1)).reduceByKey((a,b) => a+b).sortBy(_._2)

//Sort by key in ascending order
words.map( word => (word,1)).reduceByKey((a,b) => a+b).sortByKey
//Sort by key in descending order
words.map( word => (word,1)).reduceByKey((a,b) => a+b).sortByKey(false)

这可以通过在交换键和值后应用 sortByKey 以另一种方式完成

//Sort By value by swapping key and value and then using sortByKey
val sortbyvalue = words.map( word => (word,1)).reduceByKey((a,b) => a+b)
val descendingSortByvalue = sortbyvalue.map(x => (x._2,x._1)).sortByKey(false)
descendingSortByvalue.toDF.show
descendingSortByvalue.foreach n => 
val word=  n._1
val count = n._2
println(s"$word:$count")

【讨论】：

感谢 Vijay Innamuri

后一种情况，不应该这样吗？ val descendingSortByvalue = sortbyvalue.map(x => (x._2,x._1)).sortByKey(false)