spark 技术面试被问到个问题，有点问懵逼了，求指点

[naga1003]

问题：什么应用场景下 group by 比 reduce by 更好？

当时懵逼了，感觉不是默认都尽量使用 reduce by 吗，现在我能想到的情况也只有在 key 值非常少的情况下用 group by 比较好，不知道对不对。

[paradoxs]

在对大数据进行复杂计算时，reduceByKey 优于 groupByKey。

另外，如果仅仅是 group 处理，那么以下函数应该优先于 groupByKey：
　　（ 1 ）、combineByKey 组合数据，但是组合之后的数据类型与输入时值的类型不一样。
　　（ 2 ）、foldByKey 合并每一个 key 的所有值，在级联函数和“零值”中使用。

---
https://blog.csdn.net/zongzhiyuan/article/details/49965021

[VoidChen]

groupBy 不好的原因是因为在计算前会先移动数据，reduceby 是先各自计算出结果再汇聚起来计算。所以什么情况下用 groupBy 好呢，我想啊，可能在需要移动数据的时候，比如说我有一批数据希望分组存放，直接移到一起输出成一个文件，后续分 rdd 直接一个文件一个 rdd 这么计算就会非常快。我也刚学没多久，不知道说得对不对，只是给出一点想法=。=

[vowers]

em.....我都是能用 reduce 绝不用 group 的。。。

[naga1003]

费解的就在问的是 group by 的优势啊，我是怎么都感觉没有优势啊，看来还是经验少了。

[naga1003]

但仔细一想，如果 groupbykey 没有任何优点的话，岂不是没有存在必要了？所以应该确实是有应用场景的。

[sakura1]

不支持结合律的计算，比如去重？