存在于两个不同的RDDS阶火花

添加矢量我有两个RDDS具有这种结构存在于两个不同的RDDS阶火花

org.apache.spark.rdd.RDD[(Long, org.apache.spark.mllib.linalg.Vector)]

这里RDD的每一行包含一个索引Long和向量org.apache.spark.mllib.linalg.Vector。我想将Vector的每个组件添加到存在于其他RDD行中的其他Vector的对应组件中。第一个RDD的每个矢量应该被添加到其他RDD的每个矢量。

一个例子是这样的：

RDD1集：

Array[(Long, org.apache.spark.mllib.linalg.Vector)] = 
     Array((0,[0.1,0.2]),(1,[0.3,0.4]))

RDD2：

Array[(Long, org.apache.spark.mllib.linalg.Vector)] = 
     Array((0,[0.3,0.8]),(1,[0.2,0.7]))

结果：

Array[(Long, org.apache.spark.mllib.linalg.Vector)] = 
Array((0,[0.4,1.0]),(0,[0.3,0.9]),(1,[0.6,1.2]),(1,[0.5,1.1]))

来源

2017-03-09 Fahad Ibrar

请使用列表，而不是考虑同样的情况的Ar射线。

这里是我的解决方案：

val l1 = List((0,List(0.1,0.2)),(1,List(0.1,0.2))) 
    val l2 = List((0,List(0.3,0.8)),(1,List(0.2,0.7))) 
    var sms = (l1 zip l2).map{ case (m, a) => (m._1, (m._2, a._2).zipped.map(_+_))}

让我们的实验阵列:)

来源

2017-03-09 10:28:40 Bartek

，而不是驱动程序代码，你可以做到这一切的转变。如果你有大的rdds，这将会很有帮助。这也会执行更少的洗牌。

val a:RDD[(Long, org.apache.spark.mllib.linalg.Vector)]= sc.parallelize(Array((0l,Vectors.dense(0.1,0.2)),(1l,Vectors.dense(0.3,0.4)))) 

val b:RDD[(Long, org.apache.spark.mllib.linalg.Vector)]= sc.parallelize(Array((0l,Vectors.dense(0.3,0.8)),(1l,Vectors.dense(0.2,0.7)))) 

val ab= a join b 

val result=ab.map(x => (x._1,Vectors.dense(x._2._1.apply(0)+x._2._2.apply(0),x._2._1.apply(1)+x._2._2.apply(1))))

来源

2017-03-09 11:11:29

结果不正确，我想将第一个RDD中的每个向量添加到其他RDD的每个向量中，如示例中所述。 –

让我看看你的进步..我们不是在这里代表你写代码..显示你的进度加上你的问题你卡在哪里然后我们会帮你 –

非常感谢你，我已经解决了这个问题。 –

存在于两个不同的RDDS阶火花

回答

相关问题