scala筛掉空行可能遇到的问题

本文介绍如何使用Apache Spark处理日志文件,重点对比两种不同方法过滤空行并统计各类日志数量的过程及效果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

input.txt的内容:



需求:

计算其中各个级别的日志消息条数,即INFO、WARN、ERROR的条数,其中空白的地方为空行,不统计


val input =sc.textFile("file:///home/hadoop1/Desktop/input.txt")
val tokensized = input.map(line=>line.split(" ")).filter(words=>words.size>0)
val result = tokensized.map(x=>(x(0),1)).reduceByKey(_+_).collect

运行效果图如下:


可以看出并没有实现将空行过滤出去的效果,我们再看另一段代码


val input = sc.textFile("file:///home/hadoop1/Desktop/input.txt")
val idata = input.map(x=>x.split(" ")(0)) .filter(_.length>0)//这里还可以使用_.size>0或者_.trim!=""
val result = idata.map(x=>(x,1)).reduceByKey(_+_).collect

运行效果图如下:


而这部分代码将空行过滤出去了,这是为什么?


tokensizedRDD是双层Array的,所以它的长度不为0,下图可以说明这一点


而第二段代码已经将其变为一层Array了,所以可以将空的值过滤出去,最终成功统计各类型日志数


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值