apache-spark – 如何将数据帧中的数据写入HDFS中的单个.parquet文件(单个文件中的数据和元数据)？

2019年7月28日 159次阅读

如何将数据框中的数据写入HDFS中的单个.parquet文件(单个文件中的数据和元数据)？

df.show() --> 2 rows
+------+--------------+----------------+
| name|favorite_color|favorite_numbers|
+------+--------------+----------------+
|Alyssa| null| [3, 9, 15, 20]| | Ben| red| []|
+------+--------------+----------------+

df.rdd.getNumPartitions() – 它有1个分区

>>> df.rdd.getNumPartitions()

1

df.write.save("/user/hduser/data_check/test.parquet", format="parquet")

如果我使用上面的命令在HDFS中创建镶木地板文件,它将在HDFS中创建目录“payloads.parquet”,并在该目录内创建多个文件.parquet文件,元数据文件.

找到4项

-rw-r--r-- 3 bimodjoul biusers 0 2017-03-15 06:47 
/user/hduser/data_check/test.parquet/_SUCCESS 
-rw-r--r-- 3 bimodjoul biusers 494 2017-03-15 06:47
/user/hduser/data_check/test.parquet/_common_metadata
-rw-r--r-- 3 bimodjoul biusers 862 2017-03-15 06:47
/user/hduser/data_check/test.parquet/_metadata 
-rw-r--r-- 3 bimodjoul biusers 885 2017-03-15 06:47
/user/hduser/data_check/test.parquet/part-r-00000-f83a2ffd-38bb-4c76-9f4c-357e43d9708b.gz.parquet

如何将数据框中的数据写入HDFSrather中的单个.parquet文件(单个文件中的数据和元数据),而不是具有多个文件的文件夹？

非常感谢帮助.

最佳答案 写入后使用coalesce(1).它会解决你的问题

df.write.coalesce(1)
点赞