spark 实现HDFS小文件合并
2022/1/4 23:10:57
本文主要是介绍spark 实现HDFS小文件合并,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
一、首先使用sparksql读取需要合并的数据。当然有两种情况,
一种是读取全部数据,即需要合并所有小文件。
第二种是合并部分数据,比如只查询某一天的数据,只合并某一个天分区下的小文件。
val df: DataFrame = spark.sql("sql")
二、将读取到的数据写入临时文件中。此处需注意使用coalesce方法对文件进行合并。
df.coalesce(1).write.mode(SaveMode.Overwrite).parquet(temp_path)
三、将临时文件写入待合并文件的目录,并采用Overwrite的方式。
spark.read.parquet(tmp_path).write.mode(SaveMode.Overwrite).save(origin_table_path)
参考以下文章,感谢分享:https://www.cnblogs.com/zfwwdz/p/13154995.html
这篇关于spark 实现HDFS小文件合并的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-07-03万字长文聊聊Web3的组成架构
- 2024-07-02springboot项目无法注册到nacos-icode9专业技术文章分享
- 2024-06-26结对编程到底难不难?答案在这里
- 2024-06-19《2023版Java工程师》课程升级公告
- 2024-06-15matplotlib作图不显示3D图,怎么办?
- 2024-06-1503-Loki 日志监控
- 2024-06-1504-让LLM理解知识 -Prompt
- 2024-06-05做软件测试需要懂代码吗?
- 2024-06-0514-ShardingSphere的分布式主键实现
- 2024-06-03为什么以及如何要进行架构设计权衡?