我目前正尝试在apachespark和apacheflink中实现一些算法。在执行算法时,我必须做一些集差/减法运算。
虽然有一个内置的 subtract
对于apachespark操作,我在apacheflink(1.0.3和1.1.0-snapshot)中找不到类似的东西。
所以我的问题是,给定两个数据集对象 d1, d2
都包含相同的类型 T
,应用集合差分最有效的方法是什么。 d1\d2
?
val d1: DataSet[T] = ...
val d2: DataSet[T] = ...
val d_diff: DataSet[T] = ???
也许有办法通过 coGroup
```
val d_diff = d1.coGroup(d2).where(0).equalTo(0) {
(l, r, out: Collector[T]) => {
val rightElements = r.toSet
for (el <- l)
if (!rightElements.contains(el)) out.collect(el)
}
}
但我想知道这是否是正确的方法,甚至是最佳实践,或者有人知道更有效的方法吗?
1条答案
按热度按时间6vl6ewon1#
dataset api不提供方法,因为它只包含非常基本的操作集。1.1中的表api将有一个set减号运算符。您可以在这里看到它是如何实现的。
使用此cogroupfunction。所以是的,你走对了方向。