I file di output generati tramite il metodo Spark SQL DataFrame.write() iniziano con il prefisso "part". per esempio.Modifica prefisso nome file di output per DataFrame.write()
DataFrame sample_07 = hiveContext.table("sample_07");
sample_07.write().parquet("sample_07_parquet");
risultati in:
hdfs dfs -ls sample_07_parquet/
Found 4 items
-rw-r--r-- 1 rob rob 0 2016-03-19 16:40 sample_07_parquet/_SUCCESS
-rw-r--r-- 1 rob rob 491 2016-03-19 16:40 sample_07_parquet/_common_metadata
-rw-r--r-- 1 rob rob 1025 2016-03-19 16:40 sample_07_parquet/_metadata
-rw-r--r-- 1 rob rob 17194 2016-03-19 16:40 sample_07_parquet/part-r-00000-cefb2ac6-9f44-4ce4-93d9-8e7de3f2cb92.gz.parquet
vorrei cambiare il prefisso di uscita nome del file utilizzato per la creazione di un file utilizzando Spark SQL DataFrame.write(). Ho provato a impostare la proprietà "mapreduce.output.basename" sulla configurazione di hadoop per il contesto Spark. per esempio.
public class MyJavaSparkSQL {
public static void main(String[] args) throws Exception {
SparkConf sparkConf = new SparkConf().setAppName("MyJavaSparkSQL");
JavaSparkContext ctx = new JavaSparkContext(sparkConf);
ctx.hadoopConfiguration().set("mapreduce.output.basename", "myprefix");
HiveContext hiveContext = new org.apache.spark.sql.hive.HiveContext(ctx.sc());
DataFrame sample_07 = hiveContext.table("sample_07");
sample_07.write().parquet("sample_07_parquet");
ctx.stop();
}
che non cambiare il prefisso di uscita nome del file per i file generati.
Esiste un modo per sovrascrivere il prefisso del nome file di output quando si utilizza il metodo DataFrame.write()?
Grazie per la risposta. Molto apprezzato. – Rob