如何通过从现有rdd中选择特定数据来创建rdd，其中输出应该是rdd[string]的一部分？

eblbsuwk 于 2021-05-27 发布在 Spark

关注(0)|答案(2)|浏览(281)

我有一个场景可以从现有的 RDD 然后把它传给其他人 Scala class 用于实际操作。让我们看看文本文件中的示例数据（empnum、empname、emposition、empsal）。

11,John,Paris,1000
12,Daniel,UK,3000

第一步，我创建一个 RDD 与 RDD[String] 按以下代码，

val empRDD = spark
  .sparkContext
  .textFile("empInfo.txt")

所以，我的要求是创建另一个 RDD 使用empnum，empname，emposition（再次使用 RDD[String] ). 为此，我尝试了下面的代码，因此我得到 RDD[String, String, String] .

val empReqRDD = empRDD
  .map(a=> a.split(","))
  .map(x=> (x(0), x(1), x(2)))

我试过了 Slice 而且，它给了我 RDD[Array(String)] . 我需要的rdd应该是 RDD[String] 传递到所需的scala类以执行某些操作。
预期输出应该是，

11,John,Paris
12,Daniel,UK

有人能帮我实现吗？

scala rdd apache-spark string-formatting

来源：https://stackoverflow.com/questions/61682108/how-to-create-an-rdd-by-selecting-specific-data-from-an-existing-rdd-where-outpu

2条答案

按热度按时间

bttbmeg01#

我想试试这个

val empReqRDD = empRDD
  .map(a=> a.split(","))
  .map(x=> (x(0), x(1), x(2)))

val rddString = empReqRDD.map({case(id,name,city) => "%s,%s,%s".format(id,name,city)})

赞(0）回复(0）举报 2021-05-27

x8diyxa72#

在最初的实现中，第二个Map将数组元素放入一个3元组中，因此rdd[（string，string，string）]。
实现目标的一种方法是更改第二个Map以构造如下所示的字符串：

empRDD
  .map(a=> a.split(","))
  .map(x => s"${x(0)},${x(1)},${x(2)}")

或者，更简洁一点的方法是，获取数组的前3个元素并使用mkstring方法：

empRDD.map(_.split(',').take(3).mkString(","))

对于这个用例，可能有点过头了，但是您也可以使用regex来提取值：

val r = "([^,]*),([^,]*),([^,]*).*".r
empRDD.map { case r(id, name, city) => s"$id,$name,$city" }

赞(0）回复(0）举报 2021-05-27

我来回答

如何通过从现有rdd中选择特定数据来创建rdd，其中输出应该是rdd[string]的一部分？

2条答案

相关问题

热门标签

最新问答