以下代碼用 Pyspark + IPython 完成

創新互聯公司的客戶來自各行各業，為了共同目標，我們在工作上密切配合，從創業型小企業到企事業單位，感謝他們對我們的要求，感謝他們從不同領域給我們帶來的挑戰，讓我們激情的團隊有機會用頭腦與智慧不斷的給客戶帶來驚喜。專業領域包括做網站、網站建設、電商網站開發、微信營銷、系統平臺開發。

統計日志空行的數量：

讀取日志，創建RDD：

myrdd = sc.textFile("access.log")

1. 不使用累加器：

In [68]: s = 0
In [69]: def f(x):
    ...:     global s
    ...:     if len(x) == 0:
    ...:         s += 1
    ...:
In [70]: myrdd.foreach(f)
In [71]: print (s)

得出結果為：

0

原因是python 的變量，即使是全局變量不能應用在各個計算進程（線程）中同步數據，所以需要分布式計算框架的變量來同步數據，Spark 中采用累加器來解決：

2. 使用累加器

In [64]: s = sc.accumulator(0)
In [65]: def f(x):
    ...:     global s
    ...:     if len(x) == 0:
    ...:         s += 1
    ...:
In [66]: myrdd.foreach(f)
In [67]: print (s)

得出正確結果：

14

網站標題：Spark累加器實驗
轉載源于：http://vcdvsql.cn/article18/pdisdp.html

成都網站建設公司_創新互聯，為您提供網站排名、網頁設計公司、動態網站、定制網站、網站收錄、網站維護

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯