Apache spark 在pyspark中合并两个RDD

假设我有以下RDD：

a=sc.parallelize（[1,2,5,3]）
b=sc.parallelize（['a'，'c'，'d'，'e']）

如何将这两个RDD组合成一个RDD，如下所示：

[（'a'，1），（'c'，2），（'d'，5），（'e'，3）]

---

使用

a.union（b）

只需将它们组合在一个列表中。有什么想法吗？

您可能只想

b.zip（a）

两个RDD（注意顺序相反，因为您想按b的值进行键控）

请仔细阅读以下内容：

拉链（其他）

用另一个RDD压缩此RDD，并用返回键值对 每个RDD中的第一个元素每个RDD中的第二个元素等 两个RDD具有相同数量的分区和相同的 每个分区中的元素数（例如，一个元素是通过地图生成的 另一方面）

---

如果您有两个具有不同元素和分区数量的RDD，您将如何做到这一点？取决于用例。有一件事是肯定的——你需要一些你想要加入的密钥。然后，你可以继续进行如reduceByKey或join，如本章所述-

x = sc.parallelize(range(0,5))
y = sc.parallelize(range(1000, 1005))
x.zip(y).collect()
[(0, 1000), (1, 1001), (2, 1002), (3, 1003), (4, 1004)]