Apache spark 如何计算Spark Streaming数据流中每个键或记录分组的平均值？

我对Spark Scala有个问题，我想计算数据流的平均值，我从kafka到数据流的数据如下

[（2110）、（2130）、（2120）、（3200）、（3206）、（3206）、（4150）、（4160）、（4170）]

我想这样数一数

[（2，（110+130+120）/3，（3，（200+206+206）/3，（4，（150+160+170）/3）]

然后得到这样的结果,

[（2120）、（3204）、（4160）]

如何使用dstream中的scala实现这一点？我使用spark 1.6版

使用映射转换输入（x，y）-

[（2110）、（2130）、（2120）、（3200）、（3206）、（3206）、（4150）、（4160）、（4170）]

至（x，（y，1）

[（2，（110，1）），（2，（130，1）），（2，（120，1）），（3，（200，1）），（3，（206，1）），（3，（206，1）），（4，（150，1）），（4，（160，1），（4，（170，1））]

现在，通过编写一个reduce函数来使用redudceByKeyAndWindow，该函数将添加两条记录作为- （x，（y1，1））和（x，（y2，1））到（x，（y1+y2，1+1）

[（2，（360，3）），（3，（612，3）），（4，（480，3））]

现在再次运行地图以获取平均值- （x，（y1，y2））至（x，（y1/y2））

[（2120）、（3204）、（4160）]

使用映射转换输入（x，y）-

[（2110）、（2130）、（2120）、（3200）、（3206）、（3206）、（4150）、（4160）、（4170）]

至（x，（y，1）

[（2，（110，1）），（2，（130，1）），（2，（120，1）），（3，（200，1）），（3，（206，1）），（3，（206，1）），（4，（150，1）），（4，（160，1），（4，（170，1））]

现在，通过编写一个reduce函数来使用redudceByKeyAndWindow，该函数将添加两条记录作为- （x，（y1，1））和（x，（y2，1））到（x，（y1+y2，1+1）

[（2，（360，3）），（3，（612，3）），（4，（480，3））]

现在再次运行地图以获取平均值- （x，（y1，y2））至（x，（y1/y2））

[（2120）、（3204）、（4160）]

---

谢谢你。我这样使用val agg_rdd=rdd.aggregateByKey（（0,0））（（acc，value）=>（acc.\u 1+value，acc.\u 2+1），（acc1，acc2）=>（acc1.\u 1+acc2.\u 1，acc1.\u 2.\u 2））val sum=agg_rdd.mapValues（x=>（x.\u 1/x.\u 1/x.\u 2）和。谢谢。我这样使用val agg_rdd=d=>（acc1.\u 1+acc2.\u 1，acc1.\u 2+acc2.\u 2））val sum=agg_rdd.mapValues（x=>（x.\u 1/x.\u 2））sum.collect