scala - 如何使用 Spark 在 Scala 中返回多列键和值对

Question

我想将下面的 RDD 转换为键值对，每个键都有两个值。第一列应该是键，第二列和第三列应该是值。如何使用 scala 中的 Case 类来执行转换？

scala> input
res31: org.apache.spark.rdd.RDD[org.apache.spark.sql.Row] = MapPartitionsRDD[60] at rdd at <console>:35

scala> input.take(5).foreach(println)
[Ace,Ball,null]
[Kids,Kids,null]
[Hardware,Hardware,null]
[Market,Market,Markets]
[Adventure,Adventure,null]

预期的 O/P：我期待一个非常像 Python 字典的键值对。一个键将保存多个值，因此这些值将是一个元组。一旦我们有了键值对，基于键 i 应该能够提取值。

例如

d = {key1: [val1, val2, val3....], key2: [valx, valy, valz, ...], ....}

d[key1][0]给出 key1 的第一个值

希望我能清楚地表达我的要求

标签： scalaapache-spark

Answer 1

您可以使用Tuple2. 假设您希望输出为：

(Ace, (Ball, null))
(Kids, (Kids, null))
..
(Adventure, (Adventure, null))

您可以尝试以下方法：

val output = input.map(x => Tuple2(x.getString(0), (x.getString(1), x.getString(2))))
output.take(5).foreach(println)