问题描述
我有一个项目,其中有大量的C(100,20)组合,而每个组合集要做的工作却很少。
我正在将Spark .NET和visual studio用作技术(请参见下面的设置): https://docs.microsoft.com/en-us/dotnet/spark/tutorials/get-started
Spark .NET具有一个带有sql类型命令的数据框。我假设我需要执行一个sql类型命令来创建N个选择的K个组合,并使用用户定义的工作函数来处理这些组合。
问题是,将Spark .NET与DataFrame一起使用时,代码是什么样的?如果DataFrame不支持N,请选择K选项,是否还有其他选项可以使组合的生成保持分布式?
解决方法
我的基本问题从spark dotnet github区域得到了解答
https://github.com/dotnet/spark/issues/627
通过在两个数据帧上使用交叉联接,我能够创建组合。这可能不是最好的方法,也许其他人会采取更好的解决方案。
对于N,使用N集选择K个,即K个交叉连接。