概要 あるSparkアプリで、RDDの出力を1ファイルでなく特定のKey毎に分けたくなった。 わかりやすい方法がなかったので、試してみた内容を記しておきます。 方法 まずはこちらのissueを見ます。 https://issues.apache.org/jira/browse/SPARK-3533 どうやら saveAsTextFileByKey() というドンピシャなAPIはなく、work aroundで対応しろとのことでした。(それでcloseされてます。) 今回は、2つ紹介されている方法のうち1つ目をやってみました。 ただ、この方法は、.partitionBy(new HashPartitioner(num))に重要な問題が潜んでいます。 具体的には、 Partitionを再マッピングする際に、特定のKeyの要素が多すぎて1Partitionに乗り切らなかった場合に、複数Partit
![SparkでKey毎にファイル出力をしたい - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/f33da50576fef3533cc490fe710e86ab0dd21d56/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9U3BhcmslRTMlODElQTdLZXklRTYlQUYlOEUlRTMlODElQUIlRTMlODMlOTUlRTMlODIlQTElRTMlODIlQTQlRTMlODMlQUIlRTUlODclQkElRTUlOEElOUIlRTMlODIlOTIlRTMlODElOTclRTMlODElOUYlRTMlODElODQmdHh0LWFsaWduPWxlZnQlMkN0b3AmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT01NiZzPWU2ZGVhNzM3ZDFjMGM0MDgyYzA1OWJiODQwMWY3YmUx%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDB1cnl5eXl5eXkmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPWM3OTNhNzM0MTI4NzAxYmNhYmU3MjA5MTM3MzExMjc2%26blend-x%3D142%26blend-y%3D436%26blend-mode%3Dnormal%26txt64%3DaW4gQW55TWluZCBHcm91cA%26txt-width%3D770%26txt-clip%3Dend%252Cellipsis%26txt-color%3D%2523212121%26txt-font%3DHiragino%2520Sans%2520W6%26txt-size%3D36%26txt-x%3D156%26txt-y%3D536%26s%3D9d4f26f49b48913663420e46d298d973)