PySpark按Key合并PairRDD：网格坐标点集合并问询

• 核心方法是使用join操作，因为两个PairRDD都以网格坐标(x,y)作为key，join会自动按相同key配对两个RDD的value。

直接执行以下代码即可得到目标结构：

merged_rdd = rdd1.join(rdd2)

执行后merged_rdd的每个元素结构为：
((x,y), ([point1, point2, point3], [point4, point5, point6]))，完全符合需求。

• 特殊场景处理：
  • 如果存在某个网格坐标只在rdd1中，用leftOuterJoin保留所有rdd1的key，缺失的value设为None；
  • 如果存在某个网格坐标只在rdd2中，用rightOuterJoin保留所有rdd2的key；
  • 要保留所有网格坐标，用fullOuterJoin，示例如下：

# 保留所有网格坐标，缺失的点集用None填充
merged_rdd_full = rdd1.fullOuterJoin(rdd2)

内容的提问来源于stack exchange，提问作者jsaffy