解讀Spark的aggregate函數(shù)用法

在Spark官方文檔中對aggregate函數(shù)定義如下

def aggregate[S](zeroValue: =>S)(seqop: (S, T) => S, combop: (S, S) => S): S
其中seqOp是聚合各分區(qū)中的元素,將元素類型從T轉(zhuǎn)變?yōu)镾,操作的初始值是zeroValue
combop是將聚合各分區(qū)中元素的結(jié)果再次進行聚合励背,操作的初始值也是zeroValue

舉個列子:

對List(1,2,3,4,5,6,7,8,9)取平均值

/**
  * @author td
  * @date 2017/11/23
  */
object Demo {

  /**
    * 對各分區(qū)的元素進行聚合,聚合的初始值為zeroValue
    * @param tuple1
    * @param num
    */
  def sqlOp(tuple1: (Int, Int), num: Int): (Int, Int) = {
    (tuple1._1+num,tuple1._2+1)
  }

  /**
    * 對各分區(qū)元素聚合的結(jié)果再次進行聚合,聚合的初始值為zeroValue
    * @param tuple1
    * @return
    */
  def combOp(tuple1: (Int,Int),tuple2: (Int,Int)): (Int,Int) = {
    (tuple1._1+tuple2._1,tuple1._2+tuple2._2);
  }
  def main(args: Array[String]): Unit = {
    val rdd = List(1,2,3,4,5,6,7,8,9)

    val resutlt = rdd.par.aggregate((0,0))(sqlOp,combOp);

    println(resutlt._1)
    println(resutlt._2)
    val avg = resutlt._1/resutlt._2;
    println("平均值是"+avg)

  }
}

其中sqlOp操作的過程是樣子:
第一步:將zeroValue作為初始值進行運算(0,0)
def sqlOp((0,0),1): (Int, Int) = {
(0+1,0+1)
}
第二步:將第一步的結(jié)果tuple作為參數(shù)傳入進去(1,1)
def sqlOp((1,1),2): (Int, Int) = {
(1+2,1+1)
}
以此類推sqlOp每一步的過程:
3+3, 2+1
6+4, 3+1
10+5, 4+1
15+6, 5+1
21+7, 6+1
28+8, 7+1
36+9, 8+1
上面說的spark單線程運行的情況卓箫,Spark在實際運行過程中是以分區(qū)多線程的形式運行
比如分為3個分區(qū)List(1,2,3,4)、List(5,6,7,8)贪庙、List(9)。然后combOp函數(shù)將sqlOp每個分區(qū)算出來的結(jié)果再次進行聚合。(0+1+2+3+4,4)烫扼、(0+5+6+7+8,4)哀澈、(0+9,1)
聚合后的結(jié)果是(0+1+2+3+4+0+5+6+7+8+0+9,4+4+1) 即(45,9)牌借。在求平均值就簡單了。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末日丹,一起剝皮案震驚了整個濱河市走哺,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌哲虾,老刑警劉巖丙躏,帶你破解...
    沈念sama閱讀 217,406評論 6 503
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異束凑,居然都是意外死亡晒旅,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,732評論 3 393
  • 文/潘曉璐 我一進店門汪诉,熙熙樓的掌柜王于貴愁眉苦臉地迎上來废恋,“玉大人,你說我怎么就攤上這事扒寄∮愎模” “怎么了?”我有些...
    開封第一講書人閱讀 163,711評論 0 353
  • 文/不壞的土叔 我叫張陵该编,是天一觀的道長迄本。 經(jīng)常有香客問我,道長课竣,這世上最難降的妖魔是什么嘉赎? 我笑而不...
    開封第一講書人閱讀 58,380評論 1 293
  • 正文 為了忘掉前任置媳,我火速辦了婚禮,結(jié)果婚禮上公条,老公的妹妹穿的比我還像新娘拇囊。我一直安慰自己,他們只是感情好靶橱,可當我...
    茶點故事閱讀 67,432評論 6 392
  • 文/花漫 我一把揭開白布寥袭。 她就那樣靜靜地躺著,像睡著了一般抓韩。 火紅的嫁衣襯著肌膚如雪纠永。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,301評論 1 301
  • 那天谒拴,我揣著相機與錄音尝江,去河邊找鬼。 笑死英上,一個胖子當著我的面吹牛炭序,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播苍日,決...
    沈念sama閱讀 40,145評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼惭聂,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了相恃?” 一聲冷哼從身側(cè)響起辜纲,我...
    開封第一講書人閱讀 39,008評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎拦耐,沒想到半個月后耕腾,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,443評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡杀糯,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,649評論 3 334
  • 正文 我和宋清朗相戀三年扫俺,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片固翰。...
    茶點故事閱讀 39,795評論 1 347
  • 序言:一個原本活蹦亂跳的男人離奇死亡狼纬,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出骂际,到底是詐尸還是另有隱情疗琉,我是刑警寧澤,帶...
    沈念sama閱讀 35,501評論 5 345
  • 正文 年R本政府宣布歉铝,位于F島的核電站没炒,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜送火,卻給世界環(huán)境...
    茶點故事閱讀 41,119評論 3 328
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望先匪。 院中可真熱鬧种吸,春花似錦、人聲如沸呀非。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,731評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽岸裙。三九已至猖败,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間降允,已是汗流浹背恩闻。 一陣腳步聲響...
    開封第一講書人閱讀 32,865評論 1 269
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留剧董,地道東北人幢尚。 一個月前我還...
    沈念sama閱讀 47,899評論 2 370
  • 正文 我出身青樓,卻偏偏與公主長得像翅楼,于是被迫代替她去往敵國和親尉剩。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 44,724評論 2 354

推薦閱讀更多精彩內(nèi)容