输入类型和输出类型reduce
必须相同,因此,如果要聚合列表,则必须map
将输入输入到列表中。之后,将列表合并为一个列表。
您需要一种将列表组合成一个列表的方法。Python提供了一些组合列表的方法。
x = [1, 2, 3]
x.append([4, 5])
# x is [1, 2, 3, [4, 5]]
extend
做相同的事情,但是拆开列表:
x = [1, 2, 3]
x.extend([4, 5])
# x is [1, 2, 3, 4, 5]
这两个方法都返回None
,但是您需要一个返回组合列表的方法,因此只需使用加号即可。
x = [1, 2, 3] + [4, 5]
# x is [1, 2, 3, 4, 5]
file = spark.textFile("hdfs://...")
counts = file.flatMap(lambda line: line.split(" ")) \
.map(lambda actor: (actor.split(",")[0], actor)) \
# transform each value into a list
.map(lambda nameTuple: (nameTuple[0], [ nameTuple[1] ])) \
# combine lists: ([1,2,3] + [4,5]) becomes [1,2,3,4,5]
.reduceByKey(lambda a, b: a + b)
也可以使用来解决此问题combineByKey
,它在内部用于实现reduceByKey
,但是更加复杂,并且“在Spark中使用专用的每键组合器可以更快” 。对于上层解决方案,您的用例足够简单。