您有一个正确的想法：用于
rdd.count()计算行数。没有更快的方法。
我认为您应该问的问题是 为什么rdd.count()
这么慢？
答案是
rdd.count()“动作”，这是一个急切的操作，因为它必须返回实际的数字。您之前执行的RDD操作
count()是“转换”-他们将RDD延迟地转换为另一个。实际上，转换实际上并没有执行，只是排队。调用时
count()，您将强制执行所有先前的惰性操作。输入的文件需要立即加载，执行
map()s和
filter()s，执行随机播放等，直到最后我们有了数据并可以说出它有多少行。
请注意，如果您拨打
count()两次，所有这些都会发生两次。返回计数后，所有数据都将被丢弃！如果要避免这种情况，请调用
cache()RDD。然后，对的第二次调用
count()将很快，并且派生的RDD也会更快地计算出来。但是，在这种情况下，RDD必须存储在内存（或磁盘）中。
