Join Spark数据帧还原键

我使用的是Spark 1.5/1.6，我想在DataFrame中执行reduceByKey操作，我不想将df转换为rdd

每一行看起来像，我有多个id1行

id1, id2, score, time

我想要一些像：

id1, [ (id21, score21, time21) , ((id22, score22, time22)) , ((id23, score23, time23)) ]

因此，对于每个“id1”，我希望所有记录都在一个列表中

顺便说一句，我不想将df转换为rdd的原因是因为我必须将这个（简化的）数据帧连接到另一个数据帧，并且我正在对连接键进行重新分区，这使得它更快，我想rdd也不能这样做

---

任何帮助都将不胜感激。

要简单地保留已实现的分区，请在

reduceByKey

调用中重新使用父RDD分区器：

 val rdd = df.toRdd
 val parentRdd = rdd.dependencies(0) // Assuming first parent has the 
                                     // desired partitioning: adjust as needed
 val parentPartitioner = parentRdd.partitioner
 val optimizedReducedRdd = rdd.reduceByKey(parentPartitioner, reduceFn)

如果不按如下方式指定分区器：

 df.toRdd.reduceByKey(reduceFn)  // This is non-optimized: uses full shuffle

然后，您注意到的行为将发生-即，发生完全洗牌。这是因为将使用

HashPartitioner