![](/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
,從這樣的Dataset
:
|keyword |url
|A1 |url1
|A1 |url2
|A1 |url3
|A1 |url4
|A2 |url1
|A2 |url2
|A2 |url3
我如何獲得:
|keyword |url
|A1 |url1,url2,url3,url4
|A2 |url1,url2,url3
嘗試這個
import org.apache.spark.sql.functions._
val df = myDataset.groupBy("keyword").agg(collect_list("url"))
將agg()
與GroupBy()
將使您可以在agg()
下執行所需的操作,您將獲得諸如collect_set()
, sum()
等方法。
除了接受的答案,如果您希望以lambda方式執行相同的操作
baseDS.rdd.filter { x => !x.getAs[String](0).contains("keyword") }.map { x =>
(x.get(0), x.get(1))
}.groupByKey().foreach(println(_))
注意:可以使用架構定義跳過filter()操作
結果
(A1,CompactBuffer(url1,url2,url3,url4))
(A2,CompactBuffer(url1,url2,url3))
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.