Spark根据key，按照一定条件对数据去重

1、原始数据

09308831030|930|2012.01.20 21:35:28|0c:56:5c:1e:b8:45|100004475|2|2
09308831030|930|2012.01.20 21:35:28|10:77:b0:9a:61:f6|100004471|3|1
09308831030|930|2012.01.20 21:35:28|00:07:63:1e:b8:45|100004476|1|3
09305410209|930|2014.08.07 15:10:24|FC:B0:C4:BB:98:4A|100004471|1|1

2、要求

按照第一个字段对数据去重，若数据重复，则按照最后两个字段保留最大值，并且第四和第五个字段根据第六和第七字段取相应的值（比如以上数据中第二条数据的第六个字段为3，是最大的一个，则第五个字段就去第二条数据中的第五个字段。第三条数据的第七个字段为3，是最大的一个，则第四个字段就去第三条数据中的第四个字段）。

预期输出结果为：
09308831030|930|2012-01-20 21:35:28|10:77:b0:9a:61:f6|100004476|3|3
09305410209|930|2014-08-07 15:10:24|FC:B0:C4:BB:98:4A|100004471|1|1

3.使用groupByKey实现

val step1= inputRdd.map(log => {
  val valueItems = log.split(Utils.SplitValue, -1)
  var userId = valueItems(0)
  var stbId = valueItems(3)
  var productCode = valueItems(4)
  var createDate = valueItems(2)
  var areaCode = valueItems(1)
  var userType=valueItems(5)
  var stbType=valueItems(6)        
    Some(userId, createDate, stbId, areaCode, productCode,userType,stbType)    
}).filter(item => item.isDefined).map(item => item.get)

val step2 = step1.map(item=>{
        val userId = item._1
        val createDate = item._2
        val stbId = item._3
        val areaCode = item._4
        val productCode = item._5
        val userType=item._6
        val  stbType=item._7
        (userId,(createDate,stbId,areaCode,productCode,userType,stbType))
    }).groupByKey.map(item=> {      
               var userId=item._1
               val value=item._2 .toArray                  
               var createDate =value(0)._1
               var stbId =value(0)._2
               var areaCode =value(0)._3
               var productCode = value(0)._4
               var userType=value(0)._5
               var  stbType=value(0)._6
                 for(elem <-value){
                     if (elem._6 > stbType) {
                            stbId=elem._2
                        stbType=elem._6
                     }
                     if (elem._5>userType) {
                       productCode=elem._4
                       userType=elem._5
                     }
                 }         
              (userId,createDate,stbId,areaCode,productCode,userType,stbType)
    })    

val step3 = step2.map(item => {
      val userId = item._1
      val createDate = item._2
      val stbId = item._3
      val areaCode = item._4
      val productCode = item._5
      val userType=item._6
      val  stbType=item._7
      s"${userId}
      |${createDate}|${stbId}|${areaCode}|${productCode}|${userType}|${stbType}"
    }).repartition(1).saveAsTextFile(output)    

4、输出结果

itv09308831030|2012-01-20 21:35:28|10:77:b0:9a:61:f6|930|100004476|3|3
itv09305410209|2014-08-07 15:10:24|FC:B0:C4:BB:98:4A|930|100004471|1|1  

5、若value中都是int类型的值，则可以用reduceByKey实现以上要求

若预期输出结果为：
itv09308831030|3|3
itv09305410209|1|1  
则可用reduceByKey实现，具体代码如下：

val step2 = step1.map(item=>{
    val userId = item._1
    val userType=item._7
    val  stbType=item._8
    (userId,(userType,stbType))
}).reduceByKey((x,y)=>{

          var userType=0
          var stbType=0
          if(x._1>y._1) userType=x._1    else  userType=y._1
          if(x._2>y._2) stbType=x._1    else  stbType=y._1
          (userType,stbType)
}).map(item=>{
    val userId=item._1
    val userType=item._2._1
    val stbType=item._2._2
     (userId,userType,stbType)
})         
  val step3 = step2.map(item => {
      val userId = item._1
      val userType = item._2
      val stbType = item._3
      s"${userId}|${userType}|${stbType}"
}).repartition(1).saveAsTextFile(output)