代码之家 › 专栏 › 技术社区 › S. N

scala spark rdd连接两个具有相同ID的表

rdd apache-spark scala

-1

S. N · 技术社区 · 7 年前

我有以下RDD:

case class Rating(user_ID: Integer, movie_ID: Integer, rating: Integer, timestamp: String)
case class Movie(movie_ID: Integer, title: String, genre: String)

我用scala把它们连接在一起,比如:

val m = datamovie.keyBy(_.movie_ID)
val r = data.keyBy(_.movie_ID)
val mr = m.join(r)

我的结果是 RDD[(Int, (Movie, Rating))] 例如,如何打印分级为5的电影的磁贴。我不确定如何使用用join创建的新RDD!

1 回复 | 直到 7 年前

1

Zoe - Save the data dump å¼ ç¾¤å³° 7 年前

将它们转换为Spark数据帧并执行连接。你有什么特别的理由要保留他们的RDD吗?

val m = datamovie.toDF
val r = data.toDF
val mr = m.join(r, Seq("movie_id"), "left").where($"rating" === "5").select($"title")