csv文件第一行时表头信息，该文件包含了约160万随机用户产生的用户行为（行为包括浏览、下单、关注、评论、加购、咨询客服、投诉），即数据集的每一行表示一条用户行为，由act_date、act_time、user、act_type、sku组成，并以逗号分隔。关于数据集中每一列的详细描述如下： 用spark程序将统计出来各个字段里所包含的空值，并输出到控制台

可以使用以下代码来实现：

import org.apache.spark.sql.SparkSession

object CsvNullCount {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder()
      .appName("CsvNullCount")
      .master("local[*]")
      .getOrCreate()

    val filePath = "path/to/csv/file"
    val df = spark.read.option("header", "true").csv(filePath)

    df.columns.foreach(column => {
      val nullCount = df.filter(df(column).isNull || df(column) === "").count()
      println(s"$column contains $nullCount null values")
    })

    spark.stop()
  }
}

需要将 `path/to/csv/file` 替换为实际的 CSV 文件路径。这段代码首先创建了一个 SparkSession 对象，然后读取 CSV 文件并将其存储为 DataFrame。接下来，对于 DataFrame 中的每一列，使用 `filter` 函数找出其中所有的空值，并使用 `count` 函数统计空值的数量，最后将结果输出到控制台。