PySpark中RDD连接后报错：'tuple' object has no attribute 'split'

这个问题的根源很清晰——你误解了join之后RDD的元素结构，直接对tuple类型的元素调用了只有字符串才有的split方法。

错误原因分析 #

先拆解下你代码里的RDD结构：

• ordersReduce是(订单ID, 总金额)的键值对RDD
• ordersmap是(订单ID, 订单状态)的键值对RDD
• 当你执行ordersReduce.join(ordersmap)后，orderstatus中的每个元素变成了**(订单ID, (总金额, 订单状态))**这样的嵌套tuple，而不是你之前处理的字符串行数据。

你写的orderstatus.map(lambda oi: oi.split(",")[1])里，oi是这个嵌套tuple，而tuple根本没有split方法，所以直接抛出了AttributeError。

解决方法 #

根据你的需求（提取订单状态），你需要直接访问tuple中的对应元素，而不是去调用split。把出错的那行代码改成下面这样：

renvStatus = orderstatus.map(lambda oi: oi[1][1])

这里的索引逻辑是：

• oi[0]：关联的订单ID（key）
• oi[1]：join后得到的两个value组成的tuple
• oi[1][0]：来自ordersReduce的总金额
• oi[1][1]：来自ordersmap的订单状态（也就是你想要提取的内容）

完整修正后的代码 #

orderitems = sc.textFile("/user/zzz/data/retail_db/order_items/part-00000")
orderitemsmap = orderitems.map(lambda oi: (int(oi.split(",")[1]), float(oi.split(",")[4])))
ordersReduce = orderitemsmap.reduceByKey(lambda x,y:x+y)
orders = sc.textFile("/user/zzz/data/retail_db/orders/part-00000")
ordersmap = orders.map(lambda oi:(int(oi.split(",")[0]), oi.split(",")[3]))
orderstatus = ordersReduce.join(ordersmap)
# 正确提取订单状态
renvStatus = orderstatus.map(lambda oi: oi[1][1])
for i in renvStatus.take(10):
    print(i)

如果你的需求不是提取订单状态，而是要处理总金额或者拼接两者，只需要调整索引即可——比如要取总金额就用oi[1][0]，完全不需要用split来处理。

内容的提问来源于stack exchange，提问作者sravan