誰能給出瞭如何在以下火花agrregate動作產生的（9,4）RDD.aggregate動作如何工作（即如何理解參數）？
val rdd = sc.parallelize(List(1,2,3,3))
rdd.aggregate((0, 0))
((x, y) =>
(x._1 + y, x._2 + 1),
(x, y) =>
(x._1 + y._1, x._2 + y._2))
res : (9,4)
這是星火2.1.0這裏（應該沒有多大關係，但是......）
轉到the official documentation of aggregate（又名scaladoc）和閱讀：
使用給定的組合函數和中性的「零值」聚合每個分區的元素，然後聚合所有分區的結果。這個函數可以返回與RDD類型不同的結果類型U.因此，我們需要一個將T合併成U的操作，以及一個合併兩個U的操作，就像在scala.TraversableOnce中一樣。這兩個函數都可以修改並返回它們的第一個參數，而不是創建一個新的U以避免內存分配。
簽名是如下（除去隱式參數不特別有趣）：
aggregate[U](zeroValue: U)(seqOp: (U, T) ⇒ U, combOp: (U, U) ⇒ U): U
的scaladoc說：
零值爲的累加結果的初始值seqOp運算符的每個分區以及combOp運算符的不同分區的組合結果的初始值 - 這通常是中性元素（例如，無列表拼接或0求和）
在你的情況，zeroValue是(0, 0)。
SEQOP用於分區
在你的情況中累積結果的運營商，seqOp是(x, y) => (x._1 + y, x._2 + 1)這是接受兩對功能，遺憾的是名爲x和y（我會打電話至少或者甚至使用模式匹配和部分功能，即case ((x1, y1), (x2, y2)) => ...）。
鑑於你有n分區（你可以檢查出來使用rdd.getNumPartition），seqOp將被稱爲n倍。
的scaladoc說：
combOp關聯運營商使用的結果不同分區
這意味着combOp將所有結果相結合的seqOp和應用功能相結合：
(x, y) => (x._1 + y._1, x._2 + y._2)
它是ag ain寫得很差，所以你看到太多，我甚至會撥打噪音。我會寫出如下功能：
{ case ((x1, y1), (x2, y2)) => (x1 + x2, y1 + y2) }
按照類型並給予適當的名稱，最終一切都在斯卡拉變得更加容易;-)
結果基本上總說，一個詳細的解釋：我們希望有一個元組（A，B），其中一個是所有元素的總和和b是他們的數量。
這是通過初始化爲（0,0）完成的，然後我們有兩個功能：
第一個函數只是做加法，當我們在同一時間得到一個單一的元素，即元組是通過將值添加到第一個元素並向第二個元素添加1（count）來從單個元素更新。
第二功能合併兩個結果，以便它只是做元件滴添加
讓我們考慮輸入數據的例子：
讓說1,2是在分區1和3，圖3是在隔壁3
分區1計算
分區1將STA rt與（0,0）。
然後第一個函數開始工作。
當我們添加一個我們得到（1,1）。第一個元素是總和（0 + y，其中y是1），第二個元素是計數（0 + 1）。
現在我們加2，所以我們得到（1 + 2,1 + 1）=（3,2）。第一個元素是我們迄今爲止所看到的值的總和，第二個元素是它們的數量。
分區2計算
在第二分區我們再次用（0,0）開始，然後我們從第二得到（3,1）從所述第一3和（6,2）。
合併的結果
現在第二個功能進場合並兩個：通過總結這兩個元素得到（9,4）
我們合併（3,2）和（6,2）