• [Spark] 关于函数 combineByKey


    combineByKey:

    Generic function to combine the elements for each key using a custom set of aggregation functions.

    概述

    .combineByKey 方法是基于键进行聚合的函数(大多数基于键聚合的函数都是用它实现的),所以这个方法还是挺重要的。

    我们设聚合前Pair RDD的键值对格式为:键为K,键值格式为V;而聚合后,键格式不便,键值格式为C。

    combineByKey函数的定义为:

    combineByKey(createCombiner, mergeValue, mergeCombiners, numPartitions=None, partitionFunc=<function portable_hash at 0x7fc35dbc8e60>)
    

    该函数的参数主要为前三个:

    • createCombiner
    • mergeValue
    • mergeCombiners

    示意图如下:

    combineByKey-illustrated

    一个例子

    还是先看一个例子,暂时看不懂可以先看下面再回来。

    >>> test = sc.parallelize([('panda', (1,2)), ('pink',(7,2)), ('pirate',(3,1))])
    >>> xx = test.combineByKey((lambda x : (x,1)),
    ...                     (lambda x,y: (x[0] + y, x[1]+ 1)),
    ...                     (lambda x,y : (x[0] + y[0], x[1] + y[1])) )
    >>> xx.collect()
    [('coffee', (3, 2)), ('panda', (3, 1))]
    

    这里,三个参数分别用了3个lambda表达式代替,分别为:

    • createCombiner : lambda x : (x,1)
    • mergeValue : lambda x , y : (x[0] + y , x[1] + 1 )
    • mergeCombiners : lambda x , y : (x[0] + y[0], x[1] + y[1])

    下面解释这三个参数。

    createCombiner

    由于聚合操作会遍分区中所有的元素,因此每个元素(这里指的是键值对)的键只有两种情况:

    • 以前没出现过
    • 以前出现过

    如果以前没出现过,则执行的是createCombiner方法;否则执行mergeValue方法,即:

    Key-Value-Pair

    .createCombiner()会在新遇到的键对应的累加器中赋予初始值。

    该函数在格式上是由 V -> C 的,在上面的例子里面,是由 整数类型 -> 二元元组类型,这个二元元组第二个元素为1。

    mergeValue

    对于已经出现过的键(key),调用mergeValue来进行聚合操作,对该键的累加器对应的当前值(C格式)于这个新的值(V格式)进行合并。

    mergeCombiners

    如果有两个或者更多的分区(这里的例子里没提到)都有对应同一个键的累加器,就需要使用用户提供的mergeCombiners()方法将各个分区的结果(全是C格式)进行合并。

  • 相关阅读:
    zoj3814
    cf249D
    codeforces 461C
    uva 11584
    Codeforces Round #247 (Div. 2) C D
    AOAPC I: Beginning Algorithm Contests (Rujia Liu) Volume 6. Mathematical Concepts and Methods
    AOAPC I: Beginning Algorithm Contests -- Training Guide (Rujia Liu) Chapter 3. Data Structures Fundamental Data Structures
    Codeforces Round #257 (Div. 2)
    DAY 16 PYTHON入门
    DAY 15 PYTHON入门
  • 原文地址:https://www.cnblogs.com/guoyunzhe/p/6265632.html
Copyright © 2020-2023  润新知