我有一个类型为 JavaRDD<Row>
的输入数据。Row
有两个字段。
[
{"fieldName":"requestId", "fieldType":"String"},
{"fieldName":"price", "fieldType":"double"}
]
requestId
和price
可以在许多Rows
中复制。我的目的是从具有相同requestId
的那些Rows
中保留具有最大price
Row
。实际上,即使不使用sort,任何方法都可以。
例如,输入如下所示:
76044601-8029-4e09-9708-41dd125ae4bb 1676.304091136485
76044601-8029-4e09-9708-41dd125ae4bb 3898.9987591932413
ad0acb4a-100d-4624-b863-fcf275ce28db 7518.603722172683
76044601-8029-4e09-9708-41dd125ae4bb 3308.4421575701463
26f639bc-2041-435c-86da-73b997c0cc64 1737.7186292370193
beeb7fc1-2a2d-4943-8237-c281ee7c9617 4941.882928279789
26f639bc-2041-435c-86da-73b997c0cc64 1710.328581775302
输出数据应该是这样的(输出顺序不是问题):
76044601-8029-4e09-9708-41dd125ae4bb 3898.9987591932413
ad0acb4a-100d-4624-b863-fcf275ce28db 7518.603722172683
26f639bc-2041-435c-86da-73b997c0cc64 1737.7186292370193
beeb7fc1-2a2d-4943-8237-c281ee7c9617 4941.882928279789
候选方法:
JavaRDD<Row> javaRDD = dataFrame.toJavaRDD().mapToPair(new PairFunction<Row, String, Row>() {
@Override
public Tuple2<String, Row> call(Row row) {
String key = String.valueOf(row.getAs("requestid"));
return new Tuple2<String, Row>(key, row);
}
}).reduceByKey(new Function2<Row, Row, Row>() {
@Override
public Row call(Row row1, Row row2) throws Exception {
double rs1 = Double.parseDouble(String.valueOf(row1.getAs("price")));
double rs2 = Double.parseDouble(String.valueOf(row2.getAs("price")));
if (rs1 < rs2) {
return row2;
} else {
return row1;
}
}
}).map(new Function<Tuple2<String, Row>, Row>() {
@Override
public Row call(Tuple2<String, Row> tuple) {
return tuple._2;
}
});
首先,你必须向JavaRDD对象创建原始数据。
并使用mapToPair功能,将数据格式设置为键值类型。(键:请求ID,值:价格)
并具有reduceByKey功能,选择最高价格作为键的值。
那么JavaRDD的结果就是你想要的。
你应该使用 groupByKey,而不是 reduceByKey,然后对 groupby 结果进行排序。
有一个简单的方法可以实现这一点。
只需使用 groupBy
然后max
,您将在不解析 JavaRDD
的情况下获得结果。
df.groupBy("requestId").max("price").show();
测试
对于输入:
{"requestId": "1", "price": 10}
{"requestId": "1", "price": 15}
{"requestId": "1", "price": 19}
{"requestId": "2", "price": 20}
{"requestId": "2", "price": 21}
{"requestId": "2", "price": 26}
{"requestId": "3", "price": 30}
{"requestId": "3", "price": 38}
我有:
+---------+----------+
|requestId|max(price)|
+---------+----------+
| 1| 19|
| 2| 26|
| 3| 38|
+---------+----------+