![](/img/trans.png)
[英]How to create a List of values if key is same for record in Spark Dataset
[英]How to use Spark Dataset API to aggregate Key-List?
使用Spark 2.x
,从这样的Dataset
:
|keyword |url
|A1 |url1
|A1 |url2
|A1 |url3
|A1 |url4
|A2 |url1
|A2 |url2
|A2 |url3
我如何获得:
|keyword |url
|A1 |url1,url2,url3,url4
|A2 |url1,url2,url3
尝试这个
import org.apache.spark.sql.functions._
val df = myDataset.groupBy("keyword").agg(collect_list("url"))
将agg()
与GroupBy()
将使您可以在agg()
下执行所需的操作,您将获得诸如collect_set()
, sum()
等方法。
除了接受的答案,如果您希望以lambda方式执行相同的操作
baseDS.rdd.filter { x => !x.getAs[String](0).contains("keyword") }.map { x =>
(x.get(0), x.get(1))
}.groupByKey().foreach(println(_))
注意:可以使用架构定义跳过filter()操作
结果
(A1,CompactBuffer(url1,url2,url3,url4))
(A2,CompactBuffer(url1,url2,url3))
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.