有人可以解释一下RDD countApprox（）与count（）之间的区别，如果可以的话，还可以回答最快的吗？这对我们有很大的帮助，我们的要求是count（）非常慢，需要大约30分钟的**。 30分钟...
这是我们使用的方式，不确定是否是最佳使用方式
rdd.countApprox(timeout=800, confidence=0.5)
最佳答案
Count（）-返回RDD中的元素数。
CountApprox-计数（）的近似版本，即使不是所有任务都已完成，它也会在超时内返回可能不完整的结果。countApprox(timeout: Long, confidence: Double)
默认值：置信度= 0.95
注意：根据spark源代码，对countApprox的支持标记为“实验性”。
如果timeout = 800，您应该会在不到1分钟的时间内看到一个近似计数。
您确定没有其他因素导致这种30分钟的减速吗？
共享您的代码/代码片段，以获取其他成员的更准确的输入。