java spark使用reducebykey aviod嵌套列表将对象连接到一个列表中

jdg4fx2g  于 2021-07-12  发布在  Spark
关注(0)|答案(1)|浏览(382)

我有一个javasparkrdd,其(key,value)对为(string,arraylist)。arraylist是一个对象数组(可以是int、double、string、array或任何其他类型)。
e、 g.输入如下:

key1, [R1_Entry_1, R1_Entry_2, ..., R1_Entry_n]
key1, [R2_Entry_1, R2_Entry_2, ..., R2_Entry_n]
key1, [R3_Entry_1, R3_Entry_2, ..., R3_Entry_n]
key2, [R4_Entry_1, R4_Entry_2, ..., R4_Entry_n]
... 
keyJ, [RK_Entry_1, RK_Entry_2, ..., RK_Entry_n]
... 
keyX, [RM_Entry_1, RM_Entry_2, ..., RM_Entry_n]

那么 RI_entry_J (行i和条目j)是java.lang.object,可以是int、double、string、arraylist或任何其他类型。
我用过 JavaRDD.reduceByKey() ,以减少新列表中的条目。我期望的输出应该是(假设 key1 只有三个对应的行(前三行:r1、r2、r3)

key1, [[R1_Entry_1, R2_Entry_1,R3_Entry_1], [R1_Entry_2, R2_Entry_2,R3_Entry_2], ..., [R1_Entry_n, R2_Entry_n,R3_Entry_n]]
... 
keyJ, [[RK_Entry_1, R*_Entry_1, ...], [RK_Entry_2, R*_Entry_2, ...], ..., [RK_Entry_n, R*_Entry_n, ...]]
...

我的代码如下:

JavaPairRDD<String, ArrayList> AdjJavaRDD =  JavaRDD.reduceByKey(new Function2<ArrayList, ArrayList, ArrayList>() {
@Override
public ArrayList call(ArrayList v1, ArrayList v2) throws Exception {

    int v1Len = v1.size();
    int v2Len = v2.size();
    if (v1Len != v2Len) {
        System.out.println(" \n The input size is incorrect. Please check! \n  ");
        System.exit(0);
    }

    List<Object> obj = new ArrayList<Object>(v1Len);
    for (int i =0; i < v1Len; i++)
    {
        List<Object> obj_i = new ArrayList<>();
        Object v1i = v1.get(i);
        Object v2i = v2.get(i);
        obj_i.add(v1i);
        obj_i.add(v2i);
        obj.add(i, obj_i);
    }
    return new ArrayList(obj);
}
});

结果如下: key1, [[[R1_Entry_1, R2_Entry_1],R3_Entry_1], [[R1_Entry_2, R2_Entry_2],R3_Entry_2], ..., [[R1_Entry_n, R2_Entry_n],R3_Entry_n]] i、 条目嵌套在列表中,而不是写入没有嵌套的列表中。
exmaple如果 Entry_1 是整数,并且 KeyJ 有五行和五行相对应 Entry_1 作为 1, 2, 3,4, 5 . 的结果 KeyJ 使用我的代码是 KeyJ, [[[[[1,2],3], 4], 5], ...] (在实际计算中,整数的顺序是随机的)。霍弗,我想要的是 KeyJ, [[1, 2, 3, 4, 5], ...] 有没有办法避免java中spark代码中出现这种嵌套列表?

wb1gzix0

wb1gzix01#

我有办法。上述代码不起作用的原因是 Object v1i = v1.get(i); 将返回特定对象,例如。 v1i 作为 String (或任何其他数据类型)。但是,当它被调用之后, v1i 成为 ArrayList ,这就是问题中的代码返回嵌套列表的原因。
更新后的解决方案如下:

JavaPairRDD<Tuple2, ArrayList> JavaRDDColumns = adjJavaRDD.reduceByKey(new Function2<ArrayList, ArrayList, ArrayList>() {
            @Override
            public ArrayList call(ArrayList v1, ArrayList v2) throws Exception {
                int v1Len = v1.size();
                int v2Len = v2.size();

                Object[] objArr = new Object[v1Len];
                for (int i = 0; i < v1Len; i++) {
                    ArrayList<Object> obj_i = new ArrayList<Object>();
                    Object obj1i = v1.get(i);
                    Object obj2i = v2.get(i);
                    List<Object> obj1Arr = new ArrayList<>();
                    List<Object> obj2Arr = new ArrayList<>();
                    if (obj1i instanceof List<?>) {
                        obj1Arr = (List) obj1i;
                    } else {
                        obj1Arr = Arrays.asList(obj1i);  // not a Arraylist, convert to a Arraylist
                    }

                    if (obj2i instanceof List<?>) {
                        obj2Arr = (List) obj2i;
                    } else {
                        obj2Arr = Arrays.asList(obj2i);
                    }
                    List<Object> combineList = ListUtils.union(obj1Arr, obj2Arr);
                    objArr[i] = combineList;
                }
                ArrayList<Object> obj = new ArrayList<>(Arrays.asList(objArr));
                return obj;
            }
        });

相关问题