GroupBy and Concatenate rows of DataFrame for Apache Spark i

Question

我有一个具有此架构的数据帧：

id      user        keywords
1       u1, u2      key1, key2  
1       u3, u4      key3, key4
1       u5, u6      key5, key6
2       u7, u8      key7, key8
2       u9, u10     key9, key10
3       u11, u12    key11, key12
3       u13, u14    key13, key14

我需要一种方法来按 id 对行进行分组，并连接用户和关键字列中的字符串，使其看起来像这样：

id      user                            keywords
1       u1, u2, u3, u4, u5, u6          key1, key2, key3, key4, key5, key6
2       u7, u8, u9, u10                 key7, key8, key9, key10
3       u11, u12, u13, u14              key11, key12, key13, key14

如何在 Java 中做到这一点？

Answer 1

执行以下操作：

1. 使用 （用户、（作者、关键字）创建 RDD
2. 此 RDD 上的 groupByKey
3. 到一些关于作者和关键字的平面地图