Scala 基于两列的spark连接操作

我正在尝试基于两列连接两个数据集。它一直工作到我使用一列，但由于以下错误而失败

：29:错误：值联接不是org.apache.spark.rdd.rdd[（String，String，（String，String，String，String，Double）]的成员 val finalFact=fact.join（dimensionWithSK）.map{case（nk1，nk2，（（parts1，parts2，parts3，parts4，amount），（sk，prop1，prop2，prop3，prop4））=>（sk，amount）}

代码：

    import org.apache.spark.rdd.RDD

    def zipWithIndex[T](rdd: RDD[T]) = {
      val partitionSizes = rdd.mapPartitions(p => Iterator(p.length)).collect

      val ranges = partitionSizes.foldLeft(List((0, 0))) { case(accList, count) =>
        val start = accList.head._2
        val end = start + count
        (start, end) :: accList
      }.reverse.tail.toArray

      rdd.mapPartitionsWithIndex( (index, partition) => {
          val start = ranges(index)._1
          val end = ranges(index)._2
          val indexes = Iterator.range(start, end)
          partition.zip(indexes)
      })
    }

    val dimension = sc.
      textFile("dimension.txt").
      map{ line => 
        val parts = line.split("\t")
        (parts(0),parts(1),parts(2),parts(3),parts(4),parts(5))
      }

    val dimensionWithSK = 
      zipWithIndex(dimension).map { case((nk1,nk2,prop3,prop4,prop5,prop6), idx) => (nk1,nk2,(prop3,prop4,prop5,prop6,idx + nextSurrogateKey)) }

    val fact = sc.
      textFile("fact.txt").
      map { line =>
        val parts = line.split("\t")
        // we need to output (Naturalkey, (FactId, Amount)) in
        // order to be able to join with the dimension data.
        (parts(0),parts(1), (parts(2),parts(3), parts(4),parts(5),parts(6).toDouble))
      }  

    val finalFact = fact.join(dimensionWithSK).map { case(nk1,nk2, ((parts1,parts2,parts3,parts4,amount), (sk, prop1,prop2,prop3,prop4))) => (sk,amount) }  

在这里请求某人的帮助。。 谢谢

---

Sridhar

如果查看join的签名，它将在成对的RDD上工作：

def join[W](other: RDD[(K, W)], partitioner: Partitioner): RDD[(K, (V, W))]

你有三个。我猜您正在尝试连接元组的前两个元素，因此您需要将三元组映射到一对，其中一对的第一个元素是包含三元组前两个元素的一对，例如，对于任何类型的

V1

和

V2

val left: RDD[(String, String, V1)] = ??? // some rdd

val right: RDD[(String, String, V2)] = ??? // some rdd

left.map {
  case (key1, key2, value) => ((key1, key2), value)
}
.join(
  right.map {
    case (key1, key2, value) => ((key1, key2), value)
  })

这将为您提供一个RDD，其形式为

RDD[（String，String），（V1，V2）]

rdd1模式： 字段1、字段2、字段3、字段X

rdd2模式： 第一场，第二场，第三场，第三场

val joinResult=rdd1.join（rdd2， 序列（“字段1”、“字段2”、“字段3”）、“外部”）

joinResult架构： field1，field2，field3，fieldX，fieldY

val left: RDD[(String, String, V1)] = ??? // some rdd

val right: RDD[(String, String, V2)] = ??? // some rdd

left.map {
  case (key1, key2, value) => ((key1, key2), value)
}
.join(
  right.map {
    case (key1, key2, value) => ((key1, key2), value)
  })