K-V型RDD的算子-sortByKey算子

[wux_labs]

sortByKey算子是对K-V型RDD中的所有元素都调用一个函数对K值进行处理，根据函数的返回值对RDD的元素进行排序，生成一个新的K-V型RDD。sortByKey算子的定义如下：

def sortByKey(
    self: "RDD[Tuple[K, V]]",
    ascending: Optional[bool] = True,
    numPartitions: Optional[int] = None,
    keyfunc: Callable[[Any], Any] = lambda x: x,
) -> "RDD[Tuple[K, V]]"

案例：

rdd1 = sc.parallelize(["Hello Python", "Hello Spark You", "Hello Python Spark", "You know PySpark"])
rdd2 = rdd1.zipWithIndex()

rdd3 = rdd2.sortByKey()
rdd4 = rdd2.sortByKey(keyfunc=lambda x: str(len(x)))

print("RDD2的数据是：", rdd2.collect())
print("RDD3的数据是：", rdd3.collect())
print("RDD4的数据是：", rdd4.collect())