scala – 如何获取写入的记录数(使用DataFrameWriter的保存操作)
发布时间:2020-12-16 18:09:33 所属栏目:安全 来源:网络整理
导读:使用spark保存记录时,有没有办法获取写入的记录数?虽然我知道目前不符合规范,但我希望能够做到这样的事情: val count = df.write.csv(path) 或者,能够进行步骤结果的内联计数(优选地不使用标准累加器)将(几乎)同样有效.即: dataset.countTo(count_var).fi
使用spark保存记录时,有没有办法获取写入的记录数?虽然我知道目前不符合规范,但我希望能够做到这样的事情:
val count = df.write.csv(path) 或者,能够进行步骤结果的内联计数(优选地不使用标准累加器)将(几乎)同样有效.即: dataset.countTo(count_var).filter({function}).countTo(filtered_count_var).collect() 有任何想法吗? 解决方法
我使用
SparkListener 可以拦截可用于访问任务指标的onTaskEnd或onStageCompleted事件.
任务指标为您提供Spark用于在SQL选项卡中显示指标的累加器(在查询的详细信息中). 例如,以下查询: spark. read. option("header",true). csv("../datasets/people.csv"). limit(10). write. csv("people") 给出了10个输出行,因此Spark知道它(你也可以). 您还可以探索Spark SQL的QueryExecutionListener:
您可以使用可用作spark.listenerManager的 scala> :type spark.listenerManager org.apache.spark.sql.util.ExecutionListenerManager scala> spark.listenerManager. clear clone register unregister 我认为它更接近“裸机”,但之前没有使用过. @D3V(在评论部分中)提到使用结构化查询的QueryExecution访问numOutputRows SQL指标.值得考虑的事情. scala> :type q org.apache.spark.sql.DataFrame scala> :type q.queryExecution.executedPlan.metrics Map[String,org.apache.spark.sql.execution.metric.SQLMetric] q.queryExecution.executedPlan.metrics("numOutputRows").value (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |