聚合操作_多维聚合_cube | 学习笔记

简介: 快速学习聚合操作_多维聚合_cube

开发者学堂课程【大数据 Spark 2020版(知识精讲与实战演练)第三阶段聚合操作_多维聚合_cube】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址:https://developer.aliyun.com/learning/course/690/detail/12092


聚合操作_多维聚合_cube

 

Cube

 

pmFinal.rollup( cols ="source, 'year)

.agg(avg( " pm) as "pm")

.sort( "source.asc_nulls_last,"year.asc_nulls_last)

.show()

问题:以上代码是按照 source,year 进行 rollup,假如改成 rollup(‘year,’source),二者结果一样吗?

结果不一样,依据:如果 rollup A,B,groupby 三次,分别是 groupby A B、groupby A、groupby null。如果 rollup B,A,groupby 也是三次,但是是 groupby B A、groupby B、groupby null。如果调换 A 和 B 的位置,在第二次 groupby 时出现分歧,二者结果不一样是因为 rollup 结果不均衡。

在 rollup A,B 中缺少的是 groupby B,因为 rollup 始终是以第一列为支点列进行滚动。

Cube 是对为了 rollup 进行弥补,假设在 rollup A,B 时,groupby

B 是有必要的,因为很多场景下 groupby B 确实是有必要的,要

对每一种组合来进行 groupby B,这时就应该使用 cube。Rollup

和 cube 是一样的,但 cube 是全排列。

cube 的功能和 rollup 是一样的,但也有区别,区别如下:

.rollup(A,B). sum

其结果集中会有三种数据形式:A B C ,A null C , null null C

不知道家发现没,结果集中没有对 B 列的聚合结果

.cube(A,B).sum

其结果集中会有四种数据形式: A B C , A null C , null null C , null

B

C

不知道大家发现没:比 rollup 的结果集中多了一个 null B C ,也就是

说, rollup 只会按照第一个列来进行组合聚合,但是 cube 会将全部

列组合聚合。

进入代码:

创建方法,将数据集拷贝进来

@Test

def cube(): unit = {

val schemaFinal = structType(

list(

structField( "source", stringType),

structField( "year", IntegerType) ,

structField("month", IntegerType),

structField( "day", IntegerType),

structField( "hour", IntegerType),

structField("season", IntegerType) ,

structField( "pm", DoubleType)

val pmFinal = spark.read

.schema( schemaFinal)

.option( "header", value = true)

.csv( path = "dataset/ pm_final,csv")

import org.apache. spark.sql.functions._

pmFinal.cube(cols ="source,'year)

//对排序结果进行聚合 agg

.agg(avg( " pm) as "pm")

.sort( 'source.asc_nulls_last,"year.asc_nulls_last)

/进行升序排序,null 放在最后

.show(

}

这个案例和之前案例不一样之处:算子不同,之前是 rollup,现在是

cube 以及结果集不同。

运行并查看结果集:

image.png

前四行数据是 dongsi 按照年份统计的 pm 值,us_post 也是按照

source,year 进行统计 pm 值。最下面几行 null 数据是按照年份

统计的 pm 值。

Cube 和 rollup 是一样的,只是 cube 的结果集是全排列的,每一种

情况都具备。

相关文章
|
5月前
|
存储 缓存 自然语言处理
elasticsearch 聚合 : 指标聚合、桶聚合、管道聚合解析使用总结
elasticsearch 聚合 : 指标聚合、桶聚合、管道聚合解析使用总结
|
6月前
|
数据可视化 Python
如何在Pandas中对数据集进行多级分组并进行聚合计算?
在Pandas中进行多级分组与聚合计算的步骤包括导入库(如pandas和matplotlib),准备数据集,使用`groupby()`方法分组,应用聚合函数(如`sum()`、`mean()`)及可视化结果。
73 11
|
6月前
|
SQL 搜索推荐 数据库
8. 聚合查询
8. 聚合查询
|
存储
ES聚合查询详解(四):管道聚合
ES聚合查询详解(四):管道聚合
536 0
ES聚合查询详解(四):管道聚合
|
SQL 大数据 开发者
聚合操作_多维聚合_GroupedDataset | 学习笔记
快速学习聚合操作_多维聚合_GroupedDataset
256 0
聚合操作_多维聚合_GroupedDataset | 学习笔记
|
大数据 开发者
聚合操作_多维聚合_需求介绍 | 学习笔记
快速学习聚合操作_多维聚合_需求介绍
106 0
聚合操作_多维聚合_需求介绍 | 学习笔记
|
SQL 分布式计算 大数据
聚合操作_多维聚合_cubeSQL | 学习笔记
快速学习聚合操作_多维聚合_cubeSQL
119 0
聚合操作_多维聚合_cubeSQL | 学习笔记
|
大数据 开发者
聚合操作_多维聚合_rollup | 学习笔记
快速学习聚合操作_多维聚合_rollup
聚合操作_多维聚合_rollup | 学习笔记
|
分布式计算 大数据 Spark
聚合操作_多维聚合_rollup 案例 | 学习笔记
快速学习聚合操作_多维聚合_rollup 案例
聚合操作_多维聚合_rollup 案例 | 学习笔记
|
大数据 开发者
聚合操作_多维聚合_编写代码 | 学习笔记
快速学习聚合操作_多维聚合_编写代码
115 0
聚合操作_多维聚合_编写代码 | 学习笔记