/**
 * User: 過往記憶
 * Date: 15-03-16
 * Time: 上午09:24
 * bolg: http://www.iteblog.com
 * 本文地址：http://www.iteblog.com/archives/1289
 * 過往記憶部落格，專注於hadoop、hive、spark、shark、flume的技術部落格，大量的乾貨
 * 過往記憶部落格微信公共帳號：iteblog_hadoop
 */
scala> val data = sc.parallelize(List((1, "www"), (1, "iteblog"), (1, "com"), 
　　　　(2, "bbs"), (2, "iteblog"), (2, "com"), (3, "good")))
data: org.apache.spark.rdd.RDD[(Int, String)] =
　　　　ParallelCollectionRDD[26] at parallelize at <console>:12
 
scala> data.collectAsMap
res28: scala.collection.Map[Int,String] = Map(2 -> com, 1 -> com, 3 -> good)
 

從結果我們可以看出，如果RDD中同一個Key中存在多個Value，那麼後面的Value將會把前面的Value覆蓋，最終得到的結果就是Key唯一，而且對應一個Value。

本文轉載自：http://www.iteblog.com/archives/1289