我有一个数据集
+----------+--------+------------+
| id| date| errors|
+----------+--------+------------+
|1 |20170319| error1|
|1 |20170319| error2|
|1 |20170319| error2|
|1 |20170319| error1|
|2 |20170319| err6|
|1 |20170319| error2|
每天需要数字错误计数
输出
+----------+--------+------------+
| date| errors| count
+----------+--------+------------+
|20170319| error1| 2
|20170319| error2| 3
|20170319| err6| 1
val dataset = spark.read.json(path);
val c =dataset.groupBy("date").count()
//我如何继续计算错误
我在Spark Scala SQL中尝试了Windowing over date,但找不到有效的方法
我需要转换为Rdd并找到一种方法吗?
最佳答案
您只需要groupBy
和date
即可。
val c =dataset.groupBy("date","errors").count()
关于sql - Spark 计数中分组的词数,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/54952384/