Spark Graphx實(shí)現(xiàn)id-mapping

代碼實(shí)現(xiàn)如下

val df = spark.sql("select id_map, id_num from dwd.dwd_ip_buyer_di where ds = '20220112'")

val idData: RDD[(Array[(String, String)], Int)] = df.rdd.map(line => {

val idMap: collection.Map[String, String] = line.getMap(0)

val userId = idMap.getOrElse("user_id", "")

val distinctId = idMap.getOrElse("distinct_id", "")

val deviceId = idMap.getOrElse("device_id", "")

val scDeviceId = idMap.getOrElse("sc_device_id", "")

val anonymousId = idMap.getOrElse("anonymous_id", "")

val idNum = line.getString(1).toInt

(Array(("userId",  userId), ("distinctId", distinctId), ("deviceId", deviceId), ("scDeviceId", scDeviceId), ("anonymousId", anonymousId)).filter(e => StringUtils.isNotBlank(e._2) && !StringUtils.equals(e._2, "0000")), idNum)

})

// 緩存

    idData.cache()

val vertices: RDD[(Long, (String, String))] = idData.flatMap(e => {

val arr = e._1

val idNum = e._2

// hashCode 對(duì)相同字符串,hashCode一致陆淀,因此添加前綴

      for (id <- arr)yield ("%s%s".format(id._1, id._2).hashCode.toLong, (id._2, id._1))

})

//    vertices.foreach(ele => println(ele._1 + " : " + ele._2))

    vertices.cache()

val edges: RDD[Edge[String]] = idData.flatMap(e => {

val arr = e._1

val idNum = e._2

for (i <-0 to arr.length -2; j <- i +1 until arr.length )yield (Array("%s%s".format(arr(i)._1, arr(i)._2).hashCode.toLong, "%s%s".format(arr(j)._1, arr(j)._2).hashCode.toLong).sorted.mkString(": "), idNum)

})

.reduceByKey(_ + _)

.filter(tp => tp._2 >0)

.map(e => {

val arr = e._1.split(": ")

val srcId = arr(0).toLong

val dstId = arr(1).toLong

Edge(srcId, dstId, e._2.toString)

})

// 用點(diǎn)集合和邊集合構(gòu)造一張圖, 使用Graph算法

    val graph =Graph(vertices, edges, ("00", "0000"))

//并調(diào)用最大連通子圖算法VertexRDD[VertexId] ==>rdd 里面裝的元組(Long值,組中最小值)

    val res: VertexRDD[VertexId] = graph.connectedComponents().vertices

val oneIds = vertices.join(res).map {

case (id, (idProperties, cc)) => (cc, "%s: %s".format(idProperties._2, idProperties._1))

}

/*var guidArray = oneIds

.aggregateByKey(scala.collection.mutable.Set[String]())((agg: scala.collection.mutable.Set[String], e: String) => {

agg.add(e)

agg

}, (e1: scala.collection.mutable.Set[String], e2: scala.collection.mutable.Set[String]) => {

e1 ++ e2

}).collect()

*/

    def combineAllIds(s1:String, s2:String):String = {

if (StringUtils.isBlank(s1) && StringUtils.isBlank(s2)) {

return ""

      }

if (StringUtils.isBlank(s1)) {

return s2

}

if (StringUtils.isBlank(s2)) {

return s1

}

s"${s1}, ${s2}"

    }

val guidArray = oneIds.reduceByKey(combineAllIds)

.map(e => {

val deDuplicate = e._2.split(", ").toSet

(e._1, deDuplicate, "20220112")

})

//    print(guidArray.collect().mkString("\n"))

//    guidArray.toDF()

    val guidIdMappingDF = spark.createDataFrame(guidArray)

guidIdMappingDF

.toDF("guid", "id_mapping", "ds")

.write

.partitionBy("ds")

.mode(SaveMode.Overwrite)

.format("parquet")

//      .option("compression", "zlib")

      .saveAsTable("dwd.dwd_ip_buyer_id_mapping_df")
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末意乓,一起剝皮案震驚了整個(gè)濱河市饱狂,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌序宦,老刑警劉巖,帶你破解...
    沈念sama閱讀 219,427評(píng)論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異派歌,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)痰哨,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,551評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門胶果,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人斤斧,你說(shuō)我怎么就攤上這事早抠。” “怎么了撬讽?”我有些...
    開(kāi)封第一講書(shū)人閱讀 165,747評(píng)論 0 356
  • 文/不壞的土叔 我叫張陵蕊连,是天一觀的道長(zhǎng)悬垃。 經(jīng)常有香客問(wèn)我,道長(zhǎng)咪奖,這世上最難降的妖魔是什么盗忱? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 58,939評(píng)論 1 295
  • 正文 為了忘掉前任,我火速辦了婚禮羊赵,結(jié)果婚禮上趟佃,老公的妹妹穿的比我還像新娘。我一直安慰自己昧捷,他們只是感情好闲昭,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,955評(píng)論 6 392
  • 文/花漫 我一把揭開(kāi)白布。 她就那樣靜靜地躺著靡挥,像睡著了一般序矩。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上跋破,一...
    開(kāi)封第一講書(shū)人閱讀 51,737評(píng)論 1 305
  • 那天簸淀,我揣著相機(jī)與錄音,去河邊找鬼毒返。 笑死租幕,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的拧簸。 我是一名探鬼主播劲绪,決...
    沈念sama閱讀 40,448評(píng)論 3 420
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼盆赤!你這毒婦竟也來(lái)了贾富?” 一聲冷哼從身側(cè)響起,我...
    開(kāi)封第一講書(shū)人閱讀 39,352評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤牺六,失蹤者是張志新(化名)和其女友劉穎颤枪,沒(méi)想到半個(gè)月后,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體淑际,經(jīng)...
    沈念sama閱讀 45,834評(píng)論 1 317
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡畏纲,尸身上長(zhǎng)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(diǎn)故事閱讀 37,992評(píng)論 3 338
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了庸追。 大學(xué)時(shí)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霍骄。...
    茶點(diǎn)故事閱讀 40,133評(píng)論 1 351
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖淡溯,靈堂內(nèi)的尸體忽然破棺而出读整,到底是詐尸還是另有隱情,我是刑警寧澤咱娶,帶...
    沈念sama閱讀 35,815評(píng)論 5 346
  • 正文 年R本政府宣布米间,位于F島的核電站强品,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏屈糊。R本人自食惡果不足惜的榛,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,477評(píng)論 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望逻锐。 院中可真熱鬧夫晌,春花似錦、人聲如沸昧诱。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 32,022評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)盏档。三九已至凶掰,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間蜈亩,已是汗流浹背懦窘。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 33,147評(píng)論 1 272
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留稚配,地道東北人畅涂。 一個(gè)月前我還...
    沈念sama閱讀 48,398評(píng)論 3 373
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像药有,于是被迫代替她去往敵國(guó)和親毅戈。 傳聞我的和親對(duì)象是個(gè)殘疾皇子苹丸,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,077評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容