通过 “由对象V到对象C的转换” 来说明 Spark_Streaming api中 reduceByKey 与 combineByKey 注意事项
来源:互联网 发布:sql union和join 编辑:程序博客网 时间:2024/06/04 19:37
今年以来一直在学习通过Spark Streaming 来处理公司大数据相关的业务需求。去重\汇总 在大数据统计中是很常见的。而reduceByKey、combineByKey 在 Spark Streaming 中做合并操作时(由对象V到对象C的转换)很重要的两个api . 网上的事例大部分太过简单,或者讲解过于皮毛。
先对比下二者的函数签名:class PairRDDFunctions[K, C](...) { def reduceByKey(func: (C, C) => C): RDD[(K, C)] def combineByKey[C]( createCombiner: V => C, mergeValue: (C, V) => C, mergeCombiners: (C, C) => C): RDD[(K, C)]}
总体来看, reduceByKey 比 combineByKey 更简单,combineByKey 比 reduceByKey 更通用,另外,在实际转换(从对象V到对象C)过程当中,对开发员来讲是非常讲究的。而我将就实际的需求事例,来做讲解:
现有 V 与 C 两个对象:
class Vobj(vId: String, vName: String, vType : String) extends Serializable{ var id:String = vId val name:String = vName val stype:String = vType}
class Cobj extends Serializable{ var lists = new ObjectArraySet[Vobj]()}
现有数据内容如下:
val c01 = new Vobj("1","hu","1")val c02 = new Vobj("2","hu","2")val c03 = new Vobj("3","hu","3")val c04 = new Vobj("4","hu","1")val c05 = new Vobj("5","hu","1")
现在需要按 V对象的值进行分组合并,将转化成 C对象,现有两种实现方式:
第一种:
val testCobjRdd = sc.parallelize(List(c01,c02,c03,c04,c05))testCobjRdd.map(x => { //在map阶段就进行对象的转换 val cj = new Cobj() cj.lists.add(x) (x.stype,cj)}).reduceByKey((pre:Cobj,aft:Cobj) => { //构造一个新的中间对象并间数据进行汇集 val mid = new Cobj() mid.lists.addAll(pre.lists) mid.lists.addAll(aft.lists) mid}).foreach(x => { println(x._1+"-"+x._2.lists.size())})
第二种:
testCobjRdd.map(x => { (x.stype,x)}).combineByKey[Cobj]((v:Vobj)=>{ //创建V对象的初始化[在第一个RDD中的第一条C记录中逻辑] val midC = new Cobj() midC.lists.add(v) midC},(c:Cobj,v:Vobj) => { //由C到V汇集业务逻辑[在第一个RDD中的第一条V记录与第二条C记录的逻辑] c.lists.add(v) c},(cPre:Cobj,cAft:Cobj) => { //由V到V汇集业务逻辑[在第一个与第二个RDD中汇集时的逻辑] val midC = new Cobj() midC.lists.addAll(cPre.lists) midC.lists.addAll(cAft.lists) midC}).foreach(x => { println(x._1+"-"+x._2.lists.size())})
结果都会如下:
2-1
3-1
1-3
其中,这两种实现逻辑是等价的。但是根据实际消耗的时间来看,第二种要好于第一种。
另外,重点讲一个严重错误事例,有的童鞋为了省事,只用V一个对象做合并,然后 V对象内新建一个集合属性,如下:
class Vobj(vId: String, vName: String, vType : String) extends Serializable{ var id:String = vId val name:String = vName val stype:String = vType var lists = new ObjectArraySet[Vobj]()}
然后,在代码中如下:
val testCobjRdd = sc.parallelize(List(c01,c02,c03,c04,c05))testCobjRdd.map(x => { (x.stype,x)}).reduceByKey((pre,aft) => { val cMid = new Vobj(null,null,null) cMid.lists.add(pre) cMid.lists.add(aft) cMid}).foreach(x => { println(x._1+"-"+x._2.lists.size())})
却发现结果为:
2-0
3-0
1-2
所以,上面的这种事例是严重错误的。因为,如果结果集中如果只有一个对象,那reduce的时候就不会参于里面的函数运算。
0 0
- 通过 “由对象V到对象C的转换” 来说明 Spark_Streaming api中 reduceByKey 与 combineByKey 注意事项
- Spark RDD中Transformation的combineByKey、reduceByKey,join详解
- 【C++】通过基类的指针变量访问派生类中由基类继承来的隐藏对象
- C++:通过一个点的数据对象转换成字符串的例子来说明整数转化为字符串
- C结构中函数指针变量的初始化 ----由C到面向对象的距离
- 请教Spark 中 combinebyKey 和 reduceByKey的传入函数参数的区别?
- 第148讲:Spark RDD中Transformation的combineByKey、reduceByKey详解
- reducebykey groupbykey combinebykey
- C 中可以通过指针来修改他所指的对象的值吗?
- Spark编程的基本的算子之:combineByKey,reduceByKey,groupByKey
- Objective-C中基本数据烦类型与对象数据类型相互转换的方法(OC中NSString的常用API的基础应用3)
- 在Rest服务调用中应用JAXB来实现XML与对象之间的转换
- Android中通过Intent来传递对象
- java ArrayList toArray 由ArrayList 到 对象 数组 的转换 同C#
- DOM对象与query对象说明及相互转换
- iOS中使用KVC实现JSON数据与Objective-C实体对象之间的转换
- iOS中使用KVC实现JSON数据与Objective-C实体对象之间的转换
- Objective-C中对象API的基本应用
- java字符串
- JAVA集合
- Java中字符编码的问题总结
- oracle 中AWR的时间模式
- STM32 3个硬件SPI的使用
- 通过 “由对象V到对象C的转换” 来说明 Spark_Streaming api中 reduceByKey 与 combineByKey 注意事项
- 讯飞语音在线识别快速接入
- Android数据库SQLite的使用详解(SQLiteOpenHelper,SQLiteDataBase)【看后面简约进阶版】
- centos mysql 安装过程
- oracle数据库误删的表以及表中记录的恢复
- java五子棋
- unsigned int类型的数据进行按位调换,0bit调换到31bit,31bit调换到0bit
- Linux 内核里的“智能指针”
- oracle的前台进程和后台进程