SparkRDD之countApproxDistinct和countApproxDistinctByKey

 1.countApproxDistinct

package com.latrobe.spark

import org.apache.spark.{SparkConf, SparkContext}

/**
 * countApproxDistinct : RDD的一个方法,作用是对RDD集合内容进行去重统计。
 * 该统计是一个大约的统计,参数relativeSD控制统计的精确度。
 * relativeSD越小,结果越准确
 */
object CountApproxDistinct {
  def main(args: Array[String]) {
    val conf = new SparkConf().setAppName("spark-demo").setMaster("local")
    val sc = new SparkContext(conf)

    /**
     * 构建一个集合,分成20个partition
     */
    val a = sc.parallelize(1 to 10000 , 20)
    //RDD a内容复制5遍,其中有50000个元素
    val b = a++a++a++a++a

    //结果是9760,不传参数,默认是0.05
    println(b.countApproxDistinct())
    //结果是9760
    println(b.countApproxDistinct(0.05))
    //8224
    println(b.countApproxDistinct(0.1))
    //10000
    println(b.countApproxDistinct(0.001))

  }
}

 2.countApproxDistinctByKey

与countApproxDistinct类似,但计算每个不同键的不同值的近似数量。因此,RDD必须由双组件元组组成。对于分布在许多节点上的大型RDD,此功能可能比其他计数方法执行得更快。参数relativeSD控制计算的准确性。
package com.cb.spark.sparkrdd;

import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;

import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;

public class CountApproxDistinctByKeyExample {
	public static void main(String[] args) {
		SparkConf conf = new SparkConf().setAppName("CountApproxDistinctByKey").setMaster("local");
		JavaSparkContext sc = new JavaSparkContext(conf);
		JavaRDD<String> a = sc.parallelize(Arrays.asList("Gnu", "Cat", "Rat", "Dog"), 2);
		JavaRDD<String> b = sc.parallelize(a.takeSample(true, 10000, 0), 20);
		List<Integer> tmp = new ArrayList<>();
		for (int i = 1; i <= 10000; i++) {
			tmp.add(i);
		}
		JavaRDD<Integer> c = sc.parallelize(tmp, 20);
		JavaPairRDD<String, Integer> d = b.zip(c);
		d.countApproxDistinctByKey(0.1).foreach(x -> System.out.print(x + " "));
		System.out.println();
		d.countApproxDistinctByKey(0.01).foreach(x -> System.out.print(x + " "));
		System.out.println();
		d.countApproxDistinctByKey(0.001).foreach(x -> System.out.print(x + " "));
		System.out.println();
		sc.stop();
	}
}

参考:https://blog.csdn.net/hi_1234567/article/details/42835441

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值