有条件地加入并映射2个RDD

Question

我有2个需要加入的RDD

val rdd1 = RDD[(v_id, inputObject1)]

其中v_id是唯一ID

和inputObject1有以下字段

g_id, p_id, timestamp=t1

现在我有另一个RDD

val rdd2 = RDD[(g_id, inputObject2)]

其中inputObject2具有以下字段

p_id, timestamp=t2, e_id

现在我想在以下条件下加入这两个RDD

• 如果g_id和p_id相同且| t1-t2 | <30分钟
• 否则，如果g_id相同且| t1 - t2 | <30分钟

因此，如果不满足第一个条件，则第二个条件是回退。 我的最终输出应该是这个

val resuldRDD = RDD[(v_id, inputObject11)]

其中inputObject11 = inputObject1 +如果满足条件，则从第二个RDD添加e_id。

所以领域将是

g_id, p_id, e_id, timestamp=t1

Answer 1

这是不可能的：在join操作是通过关键

https://spark.apache.org/docs/latest/api/scala/index.html#org.apache.spark.rdd.PairRDDFunctions