SparkRDD算子--groupBy算子

语法

val newRdd = olodRdd.groupBy(func)

源码

def groupBy[K](f : scala.Function1[T, K])(implicit kt : scala.reflect.ClassTag[K]) : org.apache.spark.rdd.RDD[scala.Tuple2[K, scala.Iterable[T]]] = { /* compiled code */ }

作用

分组，按照传入函数的返回值进行分组。将相同的key对应的值放入一个迭代器。

例子

package com.day1

import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}

object oper {
    def main(args: Array[String]): Unit = {
        val config:SparkConf = new SparkConf().setMaster("local[*]").setAppName("wordCount")

        // 创建上下文对象
        val sc = new SparkContext(config)

        // groupBy算子
        val listRdd:RDD[Int] = sc.makeRDD(1 to 10)

        val groupRdd = listRdd.groupBy(_%2)

        groupRdd.collect().foreach(println)
    }
}

输入：
1 2 3 4 5 6 7 8 9 10
输出：
1 3 5 7 9
2 4 6 8 10

示意图