Join Spark笛卡尔积的洗牌

假设有一个问题，其中我有一个RDD X，我计算单个工作节点的平均值m，然后我想计算X-m，例如计算stdevs。我希望这种情况发生在集群中，而不是驱动程序节点，即我希望m是分布式的。我想把它实现为这两个RDD的笛卡尔积，这样，基本上只要m被计算出来，它就会传播到所有工作人员，他们就会计算X-m。我担心Spark会把X拖到m住的地方去做减法运算。如果发生X.cartesianm，谁将被洗牌有保证吗

---

上面的mean/stedev问题只是为了举例说明——我知道它并不优秀，但它足够简单。

什么是X-m？X的平均值是多少？为什么要先计算单个工作节点的平均值m？谢谢@tsiki。平均值是我计算的指标之一，它由一个worker节点的key减少。当你从它的每一项中减去m时，X-m就是{X vector}。这是流式应用程序的一部分。