计算每个pyspark Dstream中的元素数量

问题描述

我正在寻找一种方法来计算我在pyspark中创建的Dstream中每次收到的元素数量（或RDD数量）。如果您知道可以帮助我的方法，我将很高兴。 谢谢。

解决方法

我使用下面的代码，给每个数据加一个，然后对那些计数。 就像简单的字数统计一样，我对每个数据进行计数而不是字数。

我使用下面的代码来做到这一点，但是如果你们有其他解决方案，可以随时添加；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()