Apache Spark-reducebyKey-Java-

Question

我正在尝试reduceByKey使用java作为编程语言来了解Spark中的工作。

说我有一句话“我就是我”。我把句子分解成单词并将其存储为列表[I, am, who, I, am]。

现在，此函数将分配1给每个单词：

JavaPairRDD<String, Integer> ones = words.mapToPair(new PairFunction<String, String, Integer>() {
    @Override
    public Tuple2<String, Integer> call(String s) {
        return new Tuple2<String, Integer>(s, 1);
    }
});

所以输出是这样的：

(I,1) 
(am,1)
(who,1)
(I,1)
(am,1)

现在，如果我有3个reducer运行，则每个reducer将获得一个键和与该键关联的值：

reducer 1:
    (I,1)
    (I,1)

reducer 2:
    (am,1)
    (am,1)

reducer 3:
    (who,1)

我想知道

一个。在下面的函数中到底发生了什么。
b。参数是什么new Function2<Integer, Integer, Integer>
c。基本上，JavaPairRDD是如何形成的。

JavaPairRDD<String, Integer> counts = ones.reduceByKey(new Function2<Integer, Integer, Integer>() {
    @Override
    public Integer call(Integer i1, Integer i2) {
        return i1 + i2;
    }
});

Answer 1

我认为您的问题围绕着reduce函数，这是2个参数返回1的函数，而在Reducer中，您实现了多对多函数。

如果不太通用，则此API更简单。在这里，您提供了一个关联操作，该操作可以将任意2个值减小为1（例如，两个整数总和为1）。这用于将每个键的所有值都减小为1。由于可以使用2对1函数来实现，所以不必提供N对1函数。在这里，您不能为一个键发出多个值。

结果是每个（键，一堆值）的（键，减值）。

实际上，经典Hadoop
MapReduce中的Mapper和Reducer都非常相似（只是每个键采用一组值而不是单个值），并允许您实现很多模式。以一种好的方式，以一种浪费和复杂的方式。

您仍然可以重现Mappers和Reducers的html" target="_blank">功能，但是Spark中的方法是mapPartitions，可能与groupByKey配对。这些是您可能考虑的最一般的操作，我并不是说您
应该 在Spark中以这种方式模拟MapReduce。实际上，它不太可能有效。但是有可能。