Numărarea cheilor

În cazul multor seturi de date, este important să știi câte chei unice există într-un set de date de tip cheie/valoare. De exemplu, poți număra câte țări au achiziționat un produs sau poți identifica cele mai populare nume de bebeluși. În acest exercițiu simplu, vei folosi Rdd-ul creat anterior pentru a număra cheile unice din acel RDD de perechi.

Reține că ai deja un SparkContext sc și Rdd disponibile în spațiul tău de lucru.

Acest exercițiu face parte din cursul

Fundamentele Big Data cu PySpark

Vezi cursul

Instrucțiuni pentru exercițiu

Aplică countByKey și atribuie rezultatul variabilei total.
Care este tipul variabilei total?
Parcurge total și afișează cheile împreună cu numărul lor de apariții.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Count the unique keys
total = Rdd.____()

# What is the type of total?
print("The type of total is", ____(total))

# Iterate over the total and print the output
for k, v in total.___(): 
  print("key", ____, "has", ____, "counts")

Editează și rulează codul