在Pi示例中，在嵌套的for循环中，您可以通过对i *j次处理执行单个循环，然后对所有这些结果求和，然后最后除以j，可以得到相同的答案。如果您有要在外部循环中应用的步骤，请在循环中执行这些步骤，但是通过为每个内部循环组分配特定的键来创建不同的组。在不知道您要在外部循环中执行哪种操作的情况下，很难在此处给出示例。
对于仅求平均值以提高收敛性的简单情况，其相对容易。无需执行嵌套循环，只需使用i * j元素创建rdd，然后将函数应用于每个元素。
这可能看起来像（使用pySpark）：（ f是您要应用的任何函数，请记住，它将传递RDD中的每个元素，因此即使您未在函数中使用f，也要使用输入定义它）
x = RandomRDDs.uniformRDD(sc, i*j)function_values = x.map(f)from operator import add sum_of_values = function_values.reduce(add)averaged_value = sum_of_values/j (if you are only averaging over the outer loop)
如果要在外部循环中执行操作，我将分配一个索引（zipWIthIndex），然后使用以j为模的索引创建一个键。然后，每个不同的键将是一个单独的虚拟内部循环周期，您可以使用诸如bindByKey，foldByKey或reduceByKey之类的运算符仅对那些记录执行操作。如果将不同的密钥分配到不同的分区，则可能会降低性能。
一种替代方法是将rdd重新分区到j个分区上，然后使用foreachPartition函数将一个函数应用于每个分区。
第三种选择是并行运行内循环j次，将结果连接到一个分布式文件中，然后在将其读入Spark后执行外循环操作。
