Scala 高級算子

==> mapPartitionsWithIndex

    ---> 定義： def mapPartitionsWithIndex[U](f:(Int, Iterator[T]) => Iterator[U], preserversPartitioning: Boolean = false)

    ---> 做用： 對 RDD 每一個分區進行操做，帶有分區號

    ---> 示例：輸出分區號和內容

// 建立一個RDD
val rdd1 = sc.parallelize(List(1,2,3,4,5,6,7,8,9))
// 建立一個函數，做爲 f 的值
def func(index:Int, iter:Iterator[Int]):Iterator[String] = {
    iter.toList.map(x=>"[PartID: " + index + ", value= " + x + "]").iterator
}

// 調用
rdd1.mapPartitionsWithIndex(func).colect

// 結果
res15: Array[String] = Array([PartitionID: 0,value=1], [PartitionID: 0,value=2], [PartitionID: 0,value=3], [PartitionID: 0,value=4], 
                             [PartitionID: 1,value=5], [PartitionID: 1,value=6], [PartitionID: 1,value=7], [PartitionID: 1,value=8], [PartitionID: 1,value=9])

==> aggregate

    ---> 定義：def aggregate[U: ClassTag](zeroValue: U)(seqOp:(U, T) => U, combOp: (U, U) => U): U

        ---- (zeroValue: U)            初始值

        ---- seqOp:(U, T) => U    局部操做

        ---- combOp:(U, U) => U        全局操做

    ---> 做用：先對局部進行操做，再對全局進行操做

    ---> 示例：

// 求兩個分區最大值的和,初始值爲0
val rdd1 = sc.parallelize(List(1,2,3,4,5,6,7,8,9))
rdd1.aggregate(0)(math.max(_,_), _+_)
// 結果爲：res16: Int = 13

==> aggregateByKey

    ---> 定義：

    ---> 做用：對 key-value 格式 的數據進行 aggregate 操做

    ---> 示例：

// 準備一個 key-value 格式的 RDD
val parRDD = sc.parallelize(List(("cat", 2),("cat", 5),("mouse", 4),("cat", 12),("dog", 12),("mouse", 2)), 2)

// 計算每一個分區中的動物最多的個數求和
parRDD.aggregateByKey(0)(math.max(_, _), _+_)
// 結果爲：  Array[(String, Int)] = Array((dog,12), (cat,17), (mouse,6))

// 計算每種動物的總數量

parRDD.aggregateByKey(0)(_+_, _+_).collect        // 方法一
parRDD.reduceByKey(_+_).collect

==> coalesce 與 repartition    

    ---> 做用：將 RDD 中的分區進行重分區

    ---> 區別： coalesce 默認不會進行 shuffle(false)

                        repartition 會進行 shuffle(true), 會將數據真正經過網絡進行重分區

    ---> 示例：

// 定義一個 RDD 
val rdd = sc.parallelize(List(1,2,3,4,5,6,7,8), 2)

// 顯示分區中的分區號和分區號中的內容
def func(index:Int, iter:Iterator[Int]):Iterator[String] = {
    iter.toList.map(x=>"[PartID: " + index + ", value= " + x + "]").iterator
}

// 查看 rdd 中的分區狀況
rdd.mapPartitionsWithIndex(func).collect
// 結果爲： Array[String] = Array(
// [PartID: 0, value= 1], [PartID: 0, value= 2], [PartID: 0, value= 3], [PartID: 0, value= 4], 
// [PartID: 1, value= 5], [PartID: 1, value= 6], [PartID: 1, value= 7], [PartID: 1, value= 8])

// 使用 repartition 將分區數改成3
val rdd2 = rdd1.repartition(3)
val rdd3 = rdd1.coalesce(3, true)

// 查看rdd2 與rdd3 的分區狀況
rdd2.mapPartitionsWithIndex(func).collect
rdd3.mapPartitionsWithIndex(func).collect

// 結果爲：Array[String] = Array(
// [PartID: 0, value= 3], [PartID: 0, value= 6], 
// [PartID: 1, value= 1], [PartID: 1, value= 4], [PartID: 1, value= 7], 
// [PartID: 2, value= 2], [PartID: 2, value= 5])