3
我想創造一些元組共生矩陣一共生矩陣,見下圖:如何創建一個Spark RDD
val rdd = sc.parallelize(Array(
Array("101","103","105"), Array("102","105"),Array("101","102","103","105"))
val coocMatrix = new ArrayBuffer[(String, Int)]()
// map
rdd.collect().foreach(x =>
{ for(i <- 0 to x.length-1)
{ for(j <- i+1 to x.length-1)
{ coocMatrix += (x(i)+"#"+x(j), 1) }}
// convert to rdd again
val rdd2 = sc.parallelize(coocMatrix)
// reduce
vall matrix = rdd2.collect().groupByKey()
所以我們得到以下數據終於
(101#103,2),(101#105,2),(102#105,2),(101#102,1),
(103#105,2),(102#103,1),(102#105,1)
這個算法非常慢,因爲它是O(n * n),當有200萬個元組時它是不可行的。有沒有算法來計算這個共生矩陣?
這個工作,並且比2迴路快得多!驚人!非常感謝! – victorming888