我已经使用java中的spark会话将表中的所有行加载到Dataset中。我想得到每个月的行数。
我尝试使用withColumn()创建月份的新列,以便稍后我可以使用group_by month和count()。但我无法从时间戳获得月份。如何从上面的数据集中找到每个月的计数?
我的样本数据集将如下所示,
考虑一下你解释问题的方式:我尝试使用withColumn()创建一个月的新列,以便以后可以使用group_by month和count()。但我无法从时间戳获得月份。
你可以在org.apache.spark.sql.functions包中提供静态month()函数来查找月份,如下所示:
myDataset.withColumn("month", month(col("date"))).groupBy(col("month")).count().show();
其中col(“date”)将具有时间戳(在下面的情况下:“yyyy-mm-dd HH:mm:ss”)。
使用的输入:
1,2019-04-07 07:24:14,0,8
2,2019-05-07 07:24:14,0,10
5,2019-06-07 07:24:14,0,6
3,2019-04-07 07:24:14,0,7
这将为您提供如下输出:
+-----+-----+
|本月|计|
+-----+-----+
| 6| 1|
| 5| 1|
| 4| 2|
+-----+-----+
希望这可以帮助!!
我相信你可以使用Tuple2 <>类型
Map<Date, Integer> = myDataSetRDD.map(x -> new Tuple2<Date, Integer>(x.getDate(), 1))
.reduceByKey((x, v) -> x + v)
.collectAsMap();
这样,您最终会得到一张地图,其中日期为关键字,并将这些日期的数量计为值。我希望有所帮助