Spark 如何将一个 RDD 分成多个 RDD？

[anonymoustian]

现在有这么一个需求，原始数据的格式是

小明 语文成绩，数学成绩，英语成绩

所以 RDD 的格式就为

JavaPairRDD<String, String> chengji; 其中 chengji 数据结构为<小明，[语文成绩，数学成绩，英语成绩]>

现在想把这一个 RDD 拆分成 3 个 RDD

即 JavaPairRDD<小明，语文成绩>

JavaPairRDD<小明，数学成绩>

JavaPairRDD<小明，英语成绩>

这个应该怎么写 请教， 用 flatmap 可以做么？ 谢谢！

[zhusimaji]

不可以啊，flatmap 就是先 map 后 flat 展开，你要是拆开三个 rdd，最简单的就是 map 三次

[liucudliucud]

不用拆，放在一起处理

[capric]

sparksql 支持 array explode
select expode(items) as item

[anonymoustian]

@zhusimaji 但是我是举个例子。。 就是 这个个数是不同的。 每个 RDD 是 N 个 ，N 各不相同

[anonymoustian]

@capric 这个在 hive 里是一个字符串处理的，也可以这么做么

[anonymoustian]

@liucudliucud 但是要用这个做 reducebykey

[capric]

@anonymoustian 可以的
explode 支持 split

[zjxzhqq]

map 就可以了

[zjxzhqq]

升级吧，用 ds

[capric]

@capric
@anonymoustian
explode 字符串
explode(split(tags ",")) as tag

explode 数组
explode(tags) as tag

[anonymoustian]

@capric 非常感谢 已经成功了，谢谢。 另外我很好奇有没有其他的做法呢？

[capric]

@anonymoustian 函数级别也支持
df.withColumn("tag", explode($"tags"))

[zhusimaji]

@anonymoustian。。。你用 sparksql explode 也只是生成 dataframe，最后做成单独的 rdd，还是要转换

[liucudliucud]

把数据 flatten 再详细写 reduce 方法呗
可以详细说下需求
类似于 name type score

[liucudliucud]

拆 rdd 这种一个两个还可以，多了效率很低的，强行串行了