ApacheSpark:获取每个分区的记录数

我想查看如何获取有关每个分区的信息,例如总数.当使用部署模式作为纱线群集提交Spark作业以便在控制台上记录或打印时,驱动程序端的每个分区中的记录数.

我会使用内置功能.它应该尽可能高效:

import org.apache.spark.sql.functions.spark_partition_id

df.groupBy(spark_partition_id).count

你可以得到每个分区的记录数,如下所示:

df
  .rdd
  .mapPartitionsWithIndex{case (i,rows) => Iterator((i,rows.size))}
  .toDF("partition_number","number_of_records")
  .show

但是这也会自动启动Spark Job(因为必须通过spark读取文件才能获得记录数).

Spark也可能会读取hive表统计信息,但我不知道如何显示这些元数据.