用于嵌套循环的pyspark程序

Question

我是PySpark的新手，我想了解如何在PySpark中编写多个嵌套for循环，下面是粗略的高级示例。 任何帮助将不胜感激。

for (i=0;i<10;i++) 
    for (j=0;j<10;j++) 
     for (k=0;k<10;k++) 
      { 
      print "i"."j"."k" 
} 

Answer 1

在非分布式设置for循环使用foreach组合子改写，但由于星火性质map和flatMap是一个更好的选择：

from __future__ import print_function 
a_loop = lambda x: ((x, y) for y in xrange(10)) 
print_me = lambda ((x, y), z): print("{0}.{1}.{2}".format(x, y, z))) 

(sc. 
    parallelize(xrange(10)). 
    flatMap(a_loop). 
    flatMap(a_loop). 
    foreach(print_me) 

使用itertools.product作者：

from itertools import product 
sc.parallelize(product(xrange(10), repeat=3)).foreach(print)