Spark：JavaRDD <Tuple2> 到JavaPairRDD &lt;&gt;

Question

我有一个JavaRDD<Tuple2<String, String>> ，需要将其转换为JavaPairRDD<String, String> 。 目前我只是通过编写map函数来实现它，它只返回输入元组。 但我想知道是否有更好的方法？

Answer 1

JavaPairRDD.fromJavaRDD（rdd）是解决方案之一

Answer 2

对于反向转换，这似乎有效：

JavaRDD.fromRDD(JavaPairRDD.toRDD(rdd), rdd.classTag());

Answer 3

试试这个例子：

JavaRDD<Tuple2<Integer, String>> mutate = mutateFunction(rdd_world); //goes to a method that generates the RDD with a Tuple2 from a rdd_world RDD
JavaPairRDD<Integer,  String> pairs = JavaPairRDD.fromJavaRDD(mutate);

Answer 4

尝试将JavaRDD转换为JavaPairRDD。 对我而言，这是完美的。

JavaRDD<Sensor> sensorRdd = lines.map(new SensorData()).cache();
// transform data into javaPairRdd
JavaPairRDD<Integer, Sensor> deviceRdd = sensorRdd.mapToPair(new PairFunction<Sensor, Integer, Sensor>() {   
    public Tuple2<Integer, Sensor> call(Sensor sensor) throws Exception {
        Tuple2<Integer, Sensor>  tuple = new Tuple2<Integer, Sensor>(Integer.parseInt(sensor.getsId().trim()), sensor);
        return tuple;
    }
});

Answer 5

或者，您可以在org.apache.spark.api.java.JavaRDD的实例上调用mapToPair(..) 。