K-V型RDD的算子-reduceByKey算子

[wux_labs]

reduceByKey算子是对K-V型RDD中的元素按K进行分组，调用函数对同一分组中的V进行聚合处理，生成一个新的K-V型RDD，新RDD中的元素个数是源RDD的分组数。reduceByKey算子的定义如下：

def reduceByKey(
    self: "RDD[Tuple[K, V]]",
    func: Callable[[V, V], V],
    numPartitions: Optional[int] = None,
    partitionFunc: Callable[[K], int] = portable_hash,
) -> "RDD[Tuple[K, V]]"

案例：

rdd1 = sc.parallelize(["Hello Python", "Hello Spark You", "Hello Python Spark", "You know PySpark"])
# 构造一个K-V型RDD
rdd2 = rdd1.flatMap(lambda x: x.split(" ")).map(lambda x: (x, 1))
rdd3 = rdd2.reduceByKey(lambda a, b: a + b)
 
print("源K-V型RDD是：", rdd2.collect())
print("新K-V型RDD是：", rdd3.collect())