Apache spark groupByKey和distinct VS combineByKey
我正在学习Spark,并做一些“练习” 在某种程度上,我有一个包含重复项的JavaPairRDD。我的目标是按键分组并删除重复项 我认为(至少)有两种可能性:Apache spark groupByKey和distinct VS combineByKey,apache-spark,group-by,distinct,Apache Spark,Group By,Distinct,我正在学习Spark,并做一些“练习” 在某种程度上,我有一个包含重复项的JavaPairRDD。我的目标是按键分组并删除重复项 我认为(至少)有两种可能性: 使用distinct()和groupByKey() 使用combineByKey()并确保只添加以前没有的元素(例如,结果可能是JavaPairRDD) 我使用了第二种方法(避免使用distinct()进行洗牌),但后来发现原来的“解决方案”是第一种 您认为哪种解决方案最有效