Spark RDD 转换问题答案

【问题标题】：Spark RDD transformation issueSpark RDD 转换问题
【发布时间】：2016-02-15 21:05:54
【问题描述】：

我有这种格式的数据：

100 1 2 3 4 5

我使用下面的代码来加载它：

 val data : RDD[(String, Array[Int])] = sc.textFile("data.txt").map(line => ((line.split("\t"))(0), (line.split("\t"))(1).split(" ").map(_.toInt)))

我想从 Array[Int] 生成对，使得值大于数字（以下代码中为 2）的数组元素与数组的所有其他元素配对。然后，我将使用它来生成更多统计信息。例如，使用示例数据，我应该能够首先生成：

100 (3,1), (3,2), (3,4), (3,5),(4,1), (4,2), (4,3), (4,5 )

val test = merged_data.mapValues { case x =>
      for (element <- x) {
        val y = x.filter(_ != element)

        if (element > 2)
          {

            for (yelement <- y)
              {
                (element, yelement)
              }
          }
      }
      }

这是我得到的 o/p： Array[(String, Unit)] = Array((100,())) 不知道为什么它是空的。

一旦我能够解决这个问题，我将对元组中的元素进行排序并删除重复项（如果有的话）上面的o/p

100 (3,1), (3,2), (3,4), (3,5),(4,1), (4,2), (4,3), (4,5 )

变成这样：

100 (1,3), (2,3), (3,4), (3,5), (1,4), (2,4), (4,5)

【问题讨论】：

标签： scala apache-spark

【解决方案1】：

我能够解决这个问题：

  val test = merged_data.mapValues { case x =>
  var sb = new StringBuilder

  for (element <- x) {
    val y = x.filter(_ != element)

    if (element > 2)
      {

        for (yelement <- y)
          {
            (element, yelement)
          }
      }
  }
  sb.toString()
  }

【讨论】：

你没有对那个 StringBuilder 做任何事情？

【解决方案2】：

比如：

val test = data.mapValues { x =>
    for {
        element <- x.filter(_ > 2);
        yelement <- x.filter(_ != element)
    } yield (element, yelement)
}

您可能还想查看：Nested iteration in Scala，它回答了您得到空结果的原因。

【讨论】：