這篇“Distinct Count有什么作用”文章的知識點大部分人都不太理解，所以小編給大家總結了以下內容，內容詳細，步驟清晰，具有一定的借鑒價值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“Distinct Count有什么作用”文章吧。

專業領域包括網站建設、做網站、商城開發、微信營銷、系統平臺開發， 與其他網站設計及系統開發公司不同，成都創新互聯的整合解決方案結合了幫做網絡品牌建設經驗和互聯網整合營銷的理念，并將策略和執行緊密結合，為客戶提供全網互聯網整合方案。

Hive

在大數據場景下，報表很重要一項是UV（Unique Visitor）統計，即某時間段內用戶人數。例如，查看一周內app的用戶分布情況，Hive中寫HiveQL實現：

select app, count(distinct uid) as uv
from log_table
where week_cal = '2016-03-27'

Pig

與之類似，Pig的寫法：

-- all users
define DISTINCT_COUNT(A, a) returns dist {
    B = foreach $A generate $a;
    unique_B = distinct B;
    C = group unique_B all;
    $dist = foreach C generate SIZE(unique_B);
}
A = load '/path/to/data' using PigStorage() as (app, uid);
B = DISTINCT_COUNT(A, uid);

-- 
A = load '/path/to/data' using PigStorage() as (app, uid);
B = distinct A;
C = group B by app;
D = foreach C generate group as app, COUNT($1) as uv;
-- suitable for small cardinality scenarios
D = foreach C generate group as app, SIZE($1) as uv;

DataFu 為pig提供基數估計的UDF datafu.pig.stats.HyperLogLogPlusPlus，其采用HyperLogLog++算法，更為快速地Distinct Count：

define HyperLogLogPlusPlus datafu.pig.stats.HyperLogLogPlusPlus();
A = load '/path/to/data' using PigStorage() as (app, uid);
B = group A by app;
C = foreach B generate group as app, HyperLogLogPlusPlus($1) as uv;

Spark

在Spark中，Load數據后通過RDD一系列的轉換——map、distinct、reduceByKey進行Distinct Count：

rdd.map { row => (row.app, row.uid) }
  .distinct()
  .map { line => (line._1, 1) }
  .reduceByKey(_ + _)

// or
rdd.map { row => (row.app, row.uid) }
  .distinct()
  .mapValues{ _ => 1 }
  .reduceByKey(_ + _)

// or 
rdd.map { row => (row.app, row.uid) }
  .distinct()
  .map(_._1)
  .countByValue()

同時，Spark提供近似Distinct Count的API：

rdd.map { row => (row.app, row.uid) }
    .countApproxDistinctByKey(0.001)

實現是基于HyperLogLog算法：

The algorithm used is based on streamlib's implementation of "HyperLogLog in Practice: Algorithmic Engineering of a State of The Art Cardinality Estimation Algorithm", available here.

或者，將Schema化的RDD轉成DataFrame后，registerTempTable然后執行sql命令亦可：

val sqlContext = new SQLContext(sc)
val df = rdd.toDF()
df.registerTempTable("app_table")

val appUsers = sqlContext.sql("select app, count(distinct uid) as uv from app_table group by app")

以上就是關于“Distinct Count有什么作用”這篇文章的內容，相信大家都有了一定的了解，希望小編分享的內容對大家有幫助，若想了解更多相關的知識內容，請關注創新互聯行業資訊頻道。