Apache Spark Streaming 提供了多个用于对数据进行聚合和处理的操作，其中包括 reduceByKey、groupByKey、aggregateByKey 和 combineByKey。这些操作都适用于键值对 (key-value) 形式的数据流。

下面是对每个操作的解释和代码示例：

1. reduceByKey： reduceByKey 操作对相同键的值进行合并，并返回每个键对应的单个值。合并操作可以是任意的可交换和可关联的操作。

from pyspark.streaming import StreamingContext

# 创建 StreamingContext 对象
ssc = StreamingContext(sparkContext, batchDuration)

# 创建 DStream 对象
inputDStream = ssc.socketTextStream("localhost", 9999)

# 将 DStream 转换为键值对形式
keyValueDStream = inputDStream.map(lambda line: (line.split(" ")[0], int(line.split(" ")[1])))

# 对相同键的值进行合并
reducedDStream = keyValueDStream.reduceByKey(lambda a, b: a + b)

# 输出结果
reducedDStream.pprint()

# 启动 StreamingContext
ssc.start()
ssc.awaitTermination()

2. groupByKey： groupByKey 操作将相同键的所有值组合在一起，返回每个键对应的值列表。

from pyspark.streaming import StreamingContext

# 创建 StreamingContext 对象
ssc = StreamingContext(sparkContext, batchDuration)

# 创建 DStream 对象
inputDStream = ssc.socketTextStream("localhost", 9999)

# 将 DStream 转换为键值对形式
keyValueDStream = inputDStream.map(lambda line: (line.split(" ")[0], int(line.split(" ")[1])))

# 将相同键的值组合在一起
groupedDStream = keyValueDStream.groupByKey()

# 输出结果
groupedDStream.pprint()

# 启动 StreamingContext
ssc.start()
ssc.awaitTermination()

3. aggregateByKey： aggregateByKey 操作对每个键的值进行聚合，并返回每个键对应的聚合结果。它需要一个初始值和一个用户自定义的聚合函数。

from pyspark.streaming import StreamingContext

# 创建 StreamingContext 对象
ssc = StreamingContext(sparkContext, batchDuration)

# 创建 DStream 对象
inputDStream = ssc.socketTextStream("localhost", 9999)

# 将 DStream 转换为键值对形式
keyValueDStream = inputDStream.map(lambda line: (line.split(" ")[0], int(line.split(" ")[1])))

# 对每个键的值进行聚合
aggregatedDStream = keyValueDStream.aggregateByKey(0, lambda a, b: a + b, lambda a, b: a + b)

# 输出结果
aggregatedDStream.pprint()

# 启动 StreamingContext
ssc.start()
ssc.awaitTermination()

4. combineByKey： combineByKey 操作对每个键的值进行聚合，并返回每个键对应的聚合结果。它需要三个用户自定义的函数：创建组合器函数、合并值函数和合并组合器函数。

from pyspark.streaming import StreamingContext

# 创建 StreamingContext 对象
ssc = StreamingContext(sparkContext, batchDuration)

# 创建 DStream 对象
inputDStream = ssc.socketTextStream("localhost", 9999)

# 将 DStream 转换为键值对形式
keyValueDStream = inputDStream.map(lambda line: (line.split(" ")[0], int(line.split(" ")[1])))

# 对每个键的值进行聚合
combinedDStream = keyValueDStream.combineByKey(
    lambda value: (value, 1),
    lambda acc, value: (acc[0] + value, acc[1] + 1),
    lambda acc1, acc2: (acc1[0] + acc2[0], acc1[1] + acc2[1])
)

# 输出结果
combinedDStream.pprint()

# 启动 StreamingContext
ssc.start()
ssc.awaitTermination()

以上是使用 Apache Spark Streaming 中的 reduceByKey、groupByKey、aggregateByKey 和 combineByKey 进行数据聚合和处理的示例代码。您可以根据自己的需求选择适合的操作。