python - 计算每个 pyspark Dstream 中的元素数

Question

我正在寻找一种方法来计算我每次在我正在使用的 pyspark 创建的 Dstream 中收到的元素数量（或 RDD 数量）。如果您知道可以帮助我的方法，我会很高兴。谢谢。

Answer 1

我使用下面的代码，给每个数据一个，然后计算这些数据；就像一个简单的字数统计，但我计算每个数据而不是单词。

我使用下面的代码来做到这一点，但如果你们有任何其他解决方案，请随时添加；谢谢。

from pyspark.streaming import StreamingContext
from pyspark import SparkContext

# Create a local StreamingContext with two working thread and batch interval of 1 second
sc = SparkContext('local[2]', 'Networkcount')
ssc = StreamingContext(sc, 10)

# Create a DStream that will connect to hostname:port, like localhost:7777
data_received = ssc.socketTextStream("127.0.0.1", 7776)

lines = data_received.map(lambda data: 1)
count = lines.reduce(lambda x, y: x + y)
count.pprint()