Как найти максимальное значение в паре RDD?

Ответ 1

Использовать метод Array.maxBy:

val a = Array(("a",1), ("b",2), ("c",1), ("d",3))
val maxKey = a.maxBy(_._2)
// maxKey: (String, Int) = (d,3)

или RDD.max:

val maxKey2 = rdd.max()(new Ordering[Tuple2[String, Int]]() {
  override def compare(x: (String, Int), y: (String, Int)): Int = 
      Ordering[Int].compare(x._2, y._2)
})

Ответ 2

Используйте takeOrdered(1)(Ordering[Int].reverse.on(_._2)):

val a = Array(("a",1), ("b",2), ("c",1), ("d",3))
val rdd = sc.parallelize(a)
val maxKey = rdd.takeOrdered(1)(Ordering[Int].reverse.on(_._2))
// maxKey: Array[(String, Int)] = Array((d,3))

Ответ 3

Для Pyspark:

Пусть a - пара RDD с ключами как String и значения как целые числа, тогда

a.max(lambda x:x[1])

возвращает пару значений ключа с максимальным значением. В основном максимальные функции заказываются по возвращаемому значению лямбда-функции.

Здесь a представляет собой пару RDD с такими элементами, как ('key',int) и x[1], просто ссылается на целую часть элемента.

Обратите внимание, что функция max сама по себе закажет ключ и вернет максимальное значение.

Документация доступна на https://spark.apache.org/docs/1.5.0/api/python/pyspark.html#pyspark.RDD.max

Ответ 4

Искры RDD более эффективны с течением времени, когда они оставлены как RDD и не превращаются в массивы

strinIntTuppleRDD.reduce((x, y) => if(x._2 > y._2) x else y)