如何通过键列加入 RDD[Rating] 和 scala.collection.Map[Int, Double]？答案

【问题标题】：How can I join RDD[Rating] with scala.collection.Map[Int, Double] by key column?如何通过键列加入 RDD[Rating] 和 scala.collection.Map[Int, Double]？
【发布时间】：2020-02-11 13:45:49
【问题描述】：

我有两张桌子 ->

table1: RDD[Rating] (rdd1,rdd2,rdd3)

和

table2: scala.collection.Map[Int, Double] (m1,m2)

我花了很多时间和精力尝试制作像这样的连接表

(key (key = rdd2 = m1), rdd3, m2)

但我总是有类型不匹配。

您能建议如何处理它吗？我也尝试将两个表都转换为一种类型，但我注意到肯定是不正确的方式......

【问题讨论】：

标签： scala apache-spark dictionary rdd

【解决方案1】：

基于你有一个RDD 和一个Map，你可以直接迭代你的RDD。

假设 Rating 有 3 个字段（rdd1,rdd2,rdd3），我们将它们重命名为 field1、field2 和 field3 以使示例清晰并避免混淆。

给出这个示例输入源：

case class Rating(field1: String, field2: Int, field3: String) // custom case class
val yourRDD = spark.sparkContext.parallelize(
  Seq(
    Rating("rating1", 1, "str1"), // item 1
    Rating("rating2", 2, "str2"), // item 2
    Rating("rating3", 3, "str3")  // item 3
  )
)
yourRDD.toDF.show() // to visualize()

这将输出您的数据源，如下所示：

+-------+------+------+
| field1|field2|field3|
+-------+------+------+
|rating1|     1|  str1|
|rating2|     2|  str2|
|rating3|     3|  str3|
+-------+------+------+

同样，您的地图也有以下示例数据：

val yourMap = Map(
  1 -> 1.111,
  2 -> 2.222,
  3 -> 3.333
)
println(yourMap)

地图上的数据：

yourMap: scala.collection.immutable.Map[Int,Double] = Map(1 -> 1.111, 2 -> 2.222, 3 -> 3.333)

然后，要“合并”，您只需迭代您的RDD，获取您将用作key 的值，在本例中为field2，并将其用作key 的@987654336 @。像这样的：

yourRDD
  .map(rating=>{ // iterate each item in your RDD
    val key = rating.field2 // get the value from the current item
    val valueFromMap = yourMap(key) // look for the value on the map using field2 as key - You need to handle null values in case that you wont have values for all the keys

    (key, rating.field3, valueFromMap) // generating an output for a new RDD that will be created based on this
}).toDF.show(truncate=false) // visualize the output

上面的代码会输出：

+---+----+-----+
|_1 |_2  |_3   |
+---+----+-----+
|1  |str1|1.111|
|2  |str2|2.222|
|3  |str3|3.333|
+---+----+-----+

希望对你有帮助

【讨论】：