如何解决PySpark 减少 RDD 上只有单个元素
有没有办法只用一个元素来处理 RDD(这有时会发生在我正在做的事情上)?在这种情况下,reduce 停止工作,因为操作需要 2 个输入。
我正在使用键值对,例如:
(key1,10),(key2,20),
我想聚合它们的值,所以结果应该是:
30
但是有些情况下rdd只包含一个键值对,所以reduce在这里不起作用,例如:
(key1,10)
这不会返回任何内容。
解决方法
如果在执行 .values()
之前执行 reduce
,即使 RDD 中只有 1 个元素,它也应该可以工作:
from operator import add
rdd = sc.parallelize([('key1',10),])
rdd.values().reduce(add)
# 10
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。