0
私はSparkアプリケーションを開発しました。私はSpark 1.3を使用しなければならないので、ウィンドウ関数は使用できません。私は要素の単一のグループを反復することを選択し、キーによってグループを作成しました。私が今までに見つけた解決策は、キーを収集し、ルックアップ(キー)を使って対応するRDDを取得することです。私のアプローチは非常に非効率的であることは分かっていますが、RDDをリストに変換して別の方法で別のリストを返す関数をどのように適用するのか分かりません。キーでグループ分けされたRDDでスパーク繰り返し
logon_dhcp = logons.map(lambda logon: (logon.user, (logon.dhcpscopename, logon.city, logon.timestamp)))
logon_dhcp = logon_dhcp.groupByKey()
dhcp_change_list = []
for key in logon_dhcp.keys().collect():
new_list = dhcp_changed(key,logon_dhcp.lookup(key))
dhcp_change_list = list(set().union(dhcp_change_list,new_list))
def dhcp_changed(key,group):
values = list(group[0])
values_sorted = sorted(values, key=lambda tup: tup[2])
prevCity = None
prevValue = None
prevTime = None
res = list()
for value in values_sorted:
if prevCity != None and prevCity != value[1] and notEnoughTime(prevTime,value[2]):
res.append((key, prevTime.strftime('%Y-%m-%d %H:%M:%S'), prevCity, value[2].strftime('%Y-%m-%d %H:%M:%S'), value[1]))
prevCity = value[1]
prevTime = value[2]
prevValue = value
return res
私はaggregateByKey()のように同じことをすることができますか?