我是Scala和Spark的新手。我试图删除文本文件的重复行。 每行包含三列(矢量值),如:-4.5,-4.2,2.7Scala地图过滤方法
这是我的计划:
import org.apache.spark.SparkContext
import org.apache.spark.SparkConf
import org.apache.spark.rdd.RDD
import scala.collection.mutable.Map
object WordCount {
def main(args: Array[String]) {
val conf = new SparkConf().setAppName("WordCount").setMaster("local[*]")
val sc = new SparkContext(conf)
val input = sc.textFile("/opt/spark/WC/WC_input.txt")
val keys = input.flatMap(line => line.split("/n"))
val singleKeys = keys.distinct
singleKeys.foreach(println)
}
}
它的工作原理,但我想知道是否有办法采用过滤功能。我必须在我的程序中使用它,但我不知道如何在所有行中进行迭代并删除重复项(例如使用循环)。
如果有人有一个想法,会很棒!
谢谢!
非常感谢!但我想保留所有重复元素的一个实例。可能吗 ? – Sol
是的,如果删除“过滤器”条款。结果将与“distinct”相同。 – pasha701
你是最棒的!谢谢 (: – Sol