spark【例子】同类合并、计算（主要使用groupByKey）

例子描述：

【同类合并、计算】

主要为两部分，将同类的数据分组归纳到一起，并将分组后的数据进行简单数学计算。 
难点在于怎么去理解groupBy和groupByKey

原始数据 
2010-05-04 12:50,10,10,10 
2010-05-05 13:50,20,20,20 
2010-05-06 14:50,30,30,30 
2010-05-05 13:50,20,20,20 
2010-05-06 14:50,30,30,30 
2010-05-04 12:50,10,10,10 
2010-05-04 11:50,10,10,10

结果数据 
2010-05-05 13:50,40,40,40 
2010-05-04 12:50,20,20,20 
2010-05-06 14:50,60,60,60 
2010-05-04 11:50,10,10,10

---

代码片段：

/* 同类合并、计算 */

val source = Source.fromFile("E:test.txt").getLines.toArray
val sourceRDD = sc.parallelize(source)                                  /* spark单机读取数据 */
sourceRDD.map {
  line =>
    val lines = line.split(",")                                         /* 拆分数据 */
    (s"${lines(0)}", s"${lines(1)},${lines(2)},${lines(3)}")            /* 找出同样的数据为K，需要进行计算的为V，拼成map */
}.groupByKey.map {                                                      /* 分组，最重要的就是这，同类的数据分组到一起，后面只需要计算V了 */
  case (k, v) =>
    var a, b, c = 0                                                     /* 定义几个存数据的变量，恩，这很java，一般scala中很少见到var */
    v.foreach {                                                         /* 遍历需要计算的V  */
      x =>
        val r = x.split(",")                                            /* 将V拆分 */
        a += r(0).toInt                                                 /* 计算 */
        b += r(1).toInt
        c += r(2).toInt
    }
    s"$k,$a,$b,$c"                                                      /* 拼字符串，返回数据 */
}.foreach(println)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20

顶

0