在Spark中的RDD中的邻居元素上操作

Question

因为我有一个集合:

List(1, 3,-1, 0, 2, -4, 6)

它很容易分类为:

List(-4, -1, 0, 1, 2, 3, 6)

然后我可以通过计算6-3,3-2,2-1,1-0等构建一个新的集合,如下所示:

for(i <- 0 to list.length -2) yield {
    list(i + 1) - list(i)
}

并得到一个矢量:

Vector(3, 1, 1, 1, 1, 3)

也就是说,我想让下一个元素减去当前元素.

但是如何在Spark上的RDD中实现这个呢？

我知道这个系列:

List(-4, -1, 0, 1, 2, 3, 6)

集合中会有一些分区,每个分区都是有序的,我可以对每个分区进行类似的操作,并在每个分区上收集结果吗？

Answer 1

最有效的解决方案是使用sliding方法:

import org.apache.spark.mllib.rdd.RDDFunctions._

val rdd = sc.parallelize(Seq(1, 3,-1, 0, 2, -4, 6))
  .sortBy(identity)
  .sliding(2)
  .map{case Array(x, y) => y - x}