将唯一键值分配给每个流水线RDD中的元素

Question

我有一个管道RDD：

districts.take(5)
['004', '022', '008', '003', '001']

我希望每个元素都有一个唯一的键，例如：

[(1,'004'), (2, '022'), etc....]

我该怎么做？

Answer 1

使用zipWithIndex（）将索引添加到rdd。

districts=sc.parallelize(['004', '022', '008', '003', '001'])
districts=districts.zipWithIndex()
districts.take(5)

[('004', 0), ('022', 1), ('008', 2), ('003', 3), ('001', 4)]

现在使用地图切换值和索引的位置

districts=districts.map(lambda (x,y):(y,x))
districts.take(5)
[(0, '004'), (1, '022'), (2, '008'), (3, '003'), (4, '001')]