以下代码用 Pyspark + IPython 完成
创新互联是一家集网站建设,闻喜企业网站建设,闻喜品牌网站建设,网站定制,闻喜网站建设报价,网络营销,网络优化,
闻喜网站推广为一体的创新建站企业，帮助传统企业提升企业形象加强企业竞争力。可充分满足这一群体相比中小企业更为丰富、高端、多元的互联网需求。同时我们时刻保持专业、时尚、前沿，时刻以成就客户成长自我，坚持不断学习、思考、沉淀、净化自己，让我们为更多的企业打造出实用型网站。
统计日志空行的数量：
读取日志，创建RDD：
myrdd = sc.textFile("access.log")不使用累加器：
In [68]: s = 0
In [69]: def f(x):
...: global s
...: if len(x) == 0:
...: s += 1
...:
In [70]: myrdd.foreach(f)
In [71]: print (s)
得出结果为：
0
原因是python 的变量，即使是全局变量不能应用在各个计算进程（线程）中同步数据，所以需要分布式计算框架的变量来同步数据，Spark 中采用累加器来解决：
使用累加器
In [64]: s = sc.accumulator(0)
In [65]: def f(x):
...: global s
...: if len(x) == 0:
...: s += 1
...:
In [66]: myrdd.foreach(f)
In [67]: print (s)
得出正确结果：
14
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。
网站题目：Spark累加器实验-创新互联
当前链接：
http://cdkjz.cn/article/cepisj.html
