如何在不引起写操作的情况下计算累加器？

b1uwtaje 于 2021-05-18 发布在 Spark

关注(0)|答案(1)|浏览(363)

我想在编写Dataframe之前执行轻量级验证。在编写之前，我必须通过“foo”序列化Dataframe。我正在递增“foo”中的累加器：

acc = sc.accumulator(0)
output = df.map(foo)
if acc.value < THRESHOLD:
 raise ValueError(f"Failed validation: {acc.value} < {THRESHOLD}")
output.write(path)

问题是 acc.value == 0 因为累加器在 output.write() ，我想避免，因为数据验证失败。什么是正确的设计模式？

apache-spark pyspark Counter

来源：https://stackoverflow.com/questions/64671274/how-to-evaluate-an-accumulator-without-incurring-a-write

1条答案

按热度按时间

pexxcrt21#

如果您的目标是在将数据发布到某个输出路径之前验证计数，只需将数据写入中间路径即可。然后计算累加器计数器，如果计数有效，则将中间路径重命名为实际输出目标。

acc = sc.accumulator(0)
output = df.map(foo)
output.write(tmp_path)
if acc.value < THRESHOLD:
 # fs.delete(tmp_path)
 raise ValueError(f"Failed validation: {acc.value} < {THRESHOLD}")
else fs.rename(tmp_path, path)

赞(0）回复(0）举报 2021-05-19

我来回答

如何在不引起写操作的情况下计算累加器？

1条答案

相关问题

热门标签

最新问答