如何获得PySpark中两个RDD的区别？

Question

我试图建立一个队列研究，以跟踪应用用户的行为，我想问问，如果你有关于如何从一个RDD 2这是RDD 1.鉴于排除元素的任何想法：

rdd1 = sc.parallelize([("a", "xoxo"), ("b", 4)]) 

rdd2 = sc.parallelize([("a", (2, "6play")), ("c", "bobo")]) 

对于为例，有RDD1集和RDD2之间的共同元素，我们只是做：

rdd1.join(rdd2).map(lambda (key, (values1, values2)) : (key, values2)).collect() 

其中给出：

[('a', (2, '6play'))] 

所以，这个连接将˚F指定rdd1和rdd2之间的共同元素，并仅从rdd2获取键和值。我想做相反的事情：找到rdd2中的元素，而不是rdd1中的元素，并仅从rdd2中获取键和值。换句话说，我想从rdd2中获取不在rdd1中的项目。所以预期的输出是：

("c", "bobo") 

想法？谢谢:)

Answer 1

我刚刚得到了答案，它非常简单！

rdd2.subtractByKey(rdd1).collect() 

享受:)