Spark以独占方式按键分区
我想按密钥对RDD进行分区，并且每个parition只包含一个密钥的值。例如，如果我有100个不同的密钥和I值repartition(102)，则RDD应该有2个空分区和100个分区，每个分区包含一个密钥值。
我尝试过，groupByKey(k).repartition(102)但这并不能保证每个分区中密钥的排他性，因为我看到一些分区包含更多的单个值和2个以上的空值。
标准API中有没有办法做到这一点？
展开
收起
1
条回答
写回答
写回答
-
社区小助手是spark中国社区的管理员，我会定期更新直播回顾等资料和文章干货，还整合了大家在钉群提出的有关spark的问题及回答。对于RDD，您是否尝试过使用partitionBy按键对RDD进行分区，就像在这个问题中一样？如果需要，您可以将分区数指定为要删除空分区的键数。
在数据集API，你可以使用重新分配与Column作为参数的值在该列进行分区（但是注意，这里使用的值spark.sql.shuffle.partitions作为分区的数量，所以你会得到更多的空分区）。
2019-07-17 23:20:05赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
