Spark SQL count()返回错误的数字

 houxue 发布于 2022-12-22 22:07

我是Apache Spark和Scala的新手(也是Hadoop的初学者).我完成了Spark SQL教程:https://spark.apache.org/docs/latest/sql-programming-guide.html 我尝试对标准csv文件执行简单查询,以便在我当前的集群上对其性能进行基准测试.

我使用来自https://s3.amazonaws.com/hw-sandbox/tutorial1/NYSE-2000-2001.tsv.gz的数据,将其转换为csv并复制/粘贴数据,使其大10倍.

我使用Scala将它加载到Spark中:

// sc is an existing SparkContext.
val sqlContext = new org.apache.spark.sql.SQLContext(sc)

// createSchemaRDD is used to implicitly convert an RDD to a SchemaRDD.
import sqlContext.createSchemaRDD

定义类:

case class datum(exchange: String,stock_symbol: String,date: String,stock_price_open: Double,stock_price_high: Double,stock_price_low: Double,stock_price_close: Double,stock_volume: String,stock_price_adj_close: Double)

读入数据:

val data = sc.textFile("input.csv").map(_.split(";")).filter(line => "exchange" != "exchange").map(p => datum(p(0).trim.toString, p(1).trim.toString, p(2).trim.toString, p(3).trim.toDouble, p(4).trim.toDouble, p(5).trim.toDouble, p(6).trim.toDouble, p(7).trim.toString, p(8).trim.toDouble))

转换为表格:

data.registerAsTable("data")

定义查询(列出所有以'IBM'作为股票代码的行):

val IBMs = sqlContext.sql("SELECT * FROM data WHERE stock_symbol ='IBM'")

执行计数,以便查询实际运行:

IBMs.count()

查询运行正常,但返回res:0而不是5000(这是使用Hive with MapReduce返回的).

撰写答案
今天,你开发时遇到什么问题呢?
立即提问
热门标签
PHP1.CN | 中国最专业的PHP中文社区 | PNG素材下载 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有