栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 面试经验 > 面试问答

聚合功能在Spark中使用groupBy计数使用情况

面试问答 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

聚合功能在Spark中使用groupBy计数使用情况

count()
可以在内部使用,
agg()
因为
groupBy
表达式相同。

使用Python

import pyspark.sql.functions as funcnew_log_df.cache().withColumn("timePeriod", enpreUDF(new_log_df["START_TIME"]))   .groupBy("timePeriod")  .agg(     func.mean("DOWNSTREAM_SIZE").alias("Mean"),      func.stddev("DOWNSTREAM_SIZE").alias("Stddev"),     func.count(func.lit(1)).alias("Num Of Records")   )  .show(20, False)

pySpark
SQL函数文档

与斯卡拉

import org.apache.spark.sql.functions._ //for count()new_log_df.cache().withColumn("timePeriod", enpreUDF(col("START_TIME")))   .groupBy("timePeriod")  .agg(     mean("DOWNSTREAM_SIZE").alias("Mean"),      stddev("DOWNSTREAM_SIZE").alias("Stddev"),     count(lit(1)).alias("Num Of Records")   )  .show(20, false)

count(1)
将按等于
count("timePeriod")

使用Java

import static org.apache.spark.sql.functions.*;new_log_df.cache().withColumn("timePeriod", enpreUDF(col("START_TIME")))   .groupBy("timePeriod")  .agg(     mean("DOWNSTREAM_SIZE").alias("Mean"),      stddev("DOWNSTREAM_SIZE").alias("Stddev"),     count(lit(1)).alias("Num Of Records")   )  .show(20, false)


转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/446751.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号