groupByKey ()根据key聚合

一定会有shuffer，因为不能保证相同的key的数据在同一个分区中。

groupByKey

package com.atguigu

import org.apache.spark.rdd.RDD
import org.apache.spark.{HashPartitioner, Partitioner, SparkConf, SparkContext}

object Trans {
  def main(args: Array[String]): Unit = {

    val conf: SparkConf = new SparkConf().setMaster("local[*]").setAppName("Spark01_Partition")
    //构建spark上下文对象
    val sc = new SparkContext(conf)

   val rdd: RDD[(String, Int)] = sc.makeRDD(Array(("aaa",1),("cc",2),("b",4),("b",1),("b",1)))
    val rdd2: RDD[(String, Iterable[Int])] = rdd.groupByKey()
    rdd2.collect().foreach(println)

    sc.stop()
  }
}

(cc,CompactBuffer(2))
(aaa,CompactBuffer(1))
(b,CompactBuffer(4, 1, 1))