问题描述
def isSmallerscore(value:Int): Boolean ={
val const = 200
if(value < const) true else false
}
val rdd = sc.parallelize(Seq(("Java",100),("Python",200),("Scala",300)))
val result1: RDD[(String,Int)] = rdd.filter(x => isSmallerscore(x._2))
val result2: RDD[(String,Int)] = rdd.filter(x => !isSmallerscore(x._2))
从上面使用过滤器的代码中,我创建了两个 RDD。一个分数较小,另一个 RDD 分数较高。 为了把它分开,我做了两次过滤动作。
是否可以在单个过滤器操作中创建?如何减少另一个过滤器操作以找出结果( result1 或 result2 )
解决方法
它不像 Informatica BDM、Talend、Pentaho 等 ETL。如果您有多个并行运行的管道(分支),您可以以图形方式创建这些管道。
您需要 cache
rdd 并过滤两次才能获得 2 个 RDD。