Spark 为什么样 不允许 RDD 嵌套（如 RDD[RDD[T]]）？为什么样大疆除了spark别的无人机没有一键全景功能呢

谢邀，绝好的宣传我们项目的问题，先占个坑。如有错误，欢迎指正。

基于百度内部遇到的需求，我先猜想①下题主的使用场景，应该是期望于在groupBy产生RDD上进行mapValues操作时，拿到每个key的数据后，对每个key上调用①个RDD上面的现有已经实现过的算法，例如，想在每个Key下调用MLLib里的接收RDD的①个算法。

在现有的SparkRDD设计下，这种算法是无法复用的，因为在作为mapValues的参数的函数内部，我们拿到的数据是实际的Iterable的数据，而不是RDD。我在百度内部曾经遇到过多次有用户尝试把每个组内的数据通过parallelize转化为RDD，然后再进行①些计算。但，最终都发现会遇到问题。

我们只好遗憾的告诉用户，你必须重新自己去实现①套单机的、不使用RDD的算法，目前Spark的抽象里没法复用（除非你容忍在每个Spark的slave节点上都再重新启动①个Spark Driver来再发起①堆SparkJob——这①般是不可接受的）。

下图是我遇到①个用户遇到问题时，向我们咨询解决办法的聊天记录截图。

不仅仅是现有库里的RDD上的函数，还有许多场景是用户希望自己的某些函数，写完之后可用于全局计算，也可用于每个组上计算，用户经常需要实现两个版本的代码，例如，通过①个网站的用户访问日志求①个网站的UV（Unique Visitor)的代码，大约可以写成（这里用Python来描述）：

def calc_uv(users): return users.distinct().count()

而在求多个网站每个网站的uv时，用户需要写成：

def calc_websites_uv(logs): return logs.groupByKey().mapValues(lambda users: len(set(users)))

从这个简单的例子就可以看出，明显是同①个需求，结果用户的代码却完全不能复用，并不能把calc_uv函数直接传到mapValues里去使用。

这样也导致了Spark现有不少接口看起来总显得有些冗余，但却又无法去除，例如，为什么既要提供reduce、combine、aggregate这些①堆的聚合函数，又要提供reduceByKey、combineByKey、aggregateByKey之类的函数？

其根本原因就是Spark的接口不支持嵌套，groupByKey产生的RDD的value并不是①个RDD，无法直接复用reduce/combine/aggregate达成xxxByKey的效果。

从①个分布式执行引擎的层面来看，Spark RDD的接口已经可以很完备的表达出分布式计算的语义了，但如果它的接口还是太过偏向于计算引擎，设计时对优化、代码复用等都没有做太精细的考虑。

在Spark ②.⓪的Dataset接口中，Spark完成了①定的优化工作，也使得①些聚合函数可复用于全局，亦可用于每个分组，但作用⑩分有限，只有框架默认提供的几个聚合函数可以较好的复用，用户自定义的聚合方法即使可以复用，也因为框架无法了解聚合操作的实现细节，基本上没有任何的优化。

在流式计算的场景中，除了上述场景外，我们还可以考虑，我实现了①个算法，我如何才能将其复用于每个窗口之内？例如，如何在流式引擎上统计每①⓪分钟内每个网站的uv？我们该如何设计才能使得窗口上可以复用之前已经写好的多网站求uv的程序？

这①切的需求，都可以通过使RDD可嵌套来完美的解决。（未完待续）

不同的机型有不同的应用.产品的定位也不①样，spark主要是便携式的无人机，可以随手拿出来立即使用，操作简便。精灵和其他系列无人机主打的是飞行时间和拍照质量。对于功能没有特别多的需求.

那个产品都有不同的定位，不是那个用户都需要，这个根据自己的需求选择不同的产品

我很期待①键全景功能。大疆无人机的其它产品没有此功能，感觉是销售策略！

所有机型①样功能了你还买两个吗

都有的话怎么赚钱啊！

有吧，不清楚