0
我的输入数据集看起来像ds [(T,U)]。 T和U都在下面。使用复合键的数据集上的聚合
T => (key1, key2, ...) and U => (value1, value2, ...)
聚集看起来像
ds.groupBy("key1", "key2", ...)
.agg(
sum("value1")).alias("value11"),
sum("value2")).alias("value22"),
...
.select("key1", "key2", ..., "value11", "value22", "fileId", ...)
其是最终输出。 有没有更好的方式通过在性能方面使用groupByKey/reduceGroups或其他方法来实现相同的输出?
inout数据集是通过处理行生成的。我们在一行中嵌套了对象,我们通过循环来提取每行的键和值。将两个过程结合在一起的有效方法是什么?定制的UDAF会更适合这种情况吗?
感谢您的评论。您对使用UDAF有什么看法?这种情况适用于udaf吗? – subhodip