我是学习Apache Spark的初学者。目前，我正在尝试使用Python学习各种聚合。
为了给我所面临的问题提供一些背景信息，我发现很难理解aggregateByKey函数根据“状态”计算订单数的工作。
我正在跟踪ITVersity的YouTube播放列表，以下是我正在使用的代码和一些示例输出。
ordersRDD = sc.textFile("/user/cloudera/sqoop_import/orders")
for i in ordersRDD.take(10): print(i)
输出：
1,2013-07-25 00：00：00.0,11599，CLOSED
2,2013-07-25 00：00：00.0,256，PENDING_PAYMENT
3,2013-07-25 00：00：00.0,12111，COMPLETE
4,2013-07-25 00：00：00.0,8827，关闭
5,2013-07-25 00：00：00.0,11318，完成
6,2013-07-25 00：00：00.0,7130，完成
7， 2013-07-25 00：00：00.0,4530，COMPLETE
8,2013-07-25 00：00：00.0,2911，处理
9,2013-07-25 00：00：00.0,5657，PENDING_PAYMENT
10,2013- 07-25 00：00：00.0,5648，PENDING_PAYMENT
ordersMap = ordersRDD.map(lambda x: (x.split(",")[3], x))
输出：
（u'CLOSED'，u'1,2013-07-25 00：00：00.0,11599，CLOSED'）
（u'PENDING_PAYMENT'，u'2,2013-07-25 00：00：00.0,256 ，PENDING_PAYMENT'）
（u'COMPLETE'，u'3,2013-07-25 00：00：00.0,12111，COMPLETE'）
（u'CLOSED'，u'4,2013-07-25 00：00：00.0 ，8827，CLOSED'）
（u'COMPLETE'，u'5,2013-07-25 00：00：00.0,11318，COMPLETE'）
（u'COMPLETE'，u'6,2013-07-25 00:00 ：00.0,7130，COMPLETE'）
（u'COMPLETE'，u'7,2013-07-25 00：00：00.0,4530，COMPLETE'）
（u'PROCESSING'，u'8,2013-07-25 00 ：00：00.0,2911，PROCESSING'）
（u'PENDING_PAYMENT'，u'9,2013-07-25 00：00：00.0,5657，PENDING_PAYMENT'）
（u'PENDING_PAYMENT'，u'10,2013-07- 25 00：00：00.0， 5648，PENDING_PAYMENT'）
ordersByStatus = ordersMap.aggregateByKey(0, lambda acc, val: acc + 1, lambda acc,val: acc …