Spark函数之count、countByKey和countByValue

count

统计RDD中元素的个数。

1
2
3
val c = sc.parallelize(List("Gnu", "Cat", "Rat", "Dog"), 2)
c.count
res2: Long = 4

countByKey

与count类似,但是是以key为单位进行统计。

注意:此函数返回的是一个map,不是int。

1
2
3
4
5
val c = sc.parallelize(List((3, "Gnu"), (3, "Yak"), (5, "Mouse"), (3, "Dog")), 2)
c.countByKey
res1: scala.collection.Map[Int,Long] = Map(3 -> 3, 5 -> 1)
c.countByKey.size
res2: Int = 2

countByValue

统计一个RDD中各个value的出现次数。返回一个map,map的key是元素的值,value是出现的次数。

1
2
3
4
5
scala> val b = sc.parallelize(List(1,2,3,4,5,6,7,8,2,4,2,1,1,1,1,1))
b: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[12] at parallelize at <console>:21

scala> b.countByValue
res3: scala.collection.Map[Int,Long] = Map(5 -> 1, 1 -> 6, 6 -> 1, 2 -> 3, 7 -> 1, 3 -> 1, 8 -> 1, 4 -> 2)

 

可以扫码加微信

  • 4
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Sparkcount函数用于计算DataFrame或Dataset中的行数。它返回一个Long类型的值,表示行的数量。在使用count函数时,可以对数据进行去重操作,即使用count(distinct column)来计算某一列的唯一值数量。\[1\] 在Spark中,对于count(distinct)的优化,可以使用grouping sets原理。首先,通过expand操作将数据展开,然后以指定的列作为key进行HashAggregate操作,相当于进行了group by操作,从而实现了去重。接下来,可以直接计算count(id)、count(name)等,将数据分而治之,从一定程度上缓解了数据倾斜的问题。\[2\] 总结起来,Sparkcount(distinct)的优化是通过展开数据并进行HashAggregate操作来实现去重,然后进行分组计算,从而提高计算效率。\[2\] #### 引用[.reference_title] - *1* *2* [Spark Sql之count(distinct)分析&&学习&&验证](https://blog.csdn.net/Lzx116/article/details/126153664)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [Spark基础操作(一)](https://blog.csdn.net/weixin_44275820/article/details/119893892)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“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