从 Pyspark 在 HDFS 中保存文件
Posted
技术标签:
【中文标题】从 Pyspark 在 HDFS 中保存文件【英文标题】:Save a file in HDFS from Pyspark 【发布时间】:2017-06-10 01:32:28 【问题描述】:我在Hive
中有一个空表,我的意思是该表中没有记录。
使用这个空表,我在pyspark
中创建了一个data frame
df = sqlContext.table("testing.123_test")
我已将此data frame
注册为
df.registerTempTable('mytempTable')
date=datetime.now().strftime('%Y-%m-%d %H:%M:%S')
在此表中,我有一个名为 id
的列。
现在我想像下面这样查询临时表
min_id = sqlContext.sql("select nvl(min(id),0) as minval from mytempTable").collect()[0].asDict()['minval']
max_id = sqlContext.sql("select nvl(max(id),0) as maxval from mytempTable").collect()[0].asDict()['maxval']
现在我想将date
、min_id
和max_id
保存到HDFS
中的文件中
我做了如下:
from pyspark.sql import functions as f
(sqlContext.table("myTempTable").select(f.concat_ws(",", f.first(f.lit(date)), f.min("id"), f.max("id"))).coalesce(1).write.format("text").mode("append").save("/tmp/fooo"))
现在,当我检查 HDFS
中的文件时,它会显示所有 NULL 值。
HDFS
中的文件输出如下。
NULL,NULL,NULL
我想要的是
Date,0,0
Here date is the current timestamp
我怎样才能实现我想要的。
【问题讨论】:
我不明白你想在这里做什么。为什么要读取一个空表,然后将Date,0,0
写入 HDFS。能否请您详细说明一下?
@philantrovert 在这里我试图将一些表的数据保存在HDFS
的目录中,如果表有记录,我可以这样做,但如果表是空的,那么我将面临以上场景
这很有趣。我知道来自***.com/a/44315328/3415409 的代码
不应保留空表。您只需要检查数据帧的计数。所以老实说,我看不出你在这里要做什么
@eliasah 你说的是对的,但是当我下次运行这个脚本时,这个表可能有数据。因此,如果我们有空表,它应该像我的要求一样使用HDFS
文件
【参考方案1】:
这是在 scala 中,但您应该能够轻松地将其复制到 Python。
这里需要的函数是na.fill
函数。你必须在下面的代码中用 Python 字典替换 Scala Maps:
这就是你的 DF 的样子:
scala> nullDF.show
+----+----+----+
|date| x| y|
+----+----+----+
|null|null|null|
+----+----+----+
// You have already done this using Python's datetime functions
val format = new java.text.SimpleDateFormat("dd/MM/YYYY HH:mm:ss")
val curr_timestamp = format.format(new java.util.Date())
//Use na fill to replace null values
//Column names as keys in map
//And values are what you want to replace NULL with
val df = nullDF.na.fill(scala.collection.immutable.Map(
"date" -> ) ,
"x" -> "0" ,
"y" -> "0" ) )
这应该给你
+-------------------+---+---+
| date| x| y|
+-------------------+---+---+
|10/06/2017 12:10:20| 0| 0|
+-------------------+---+---+
【讨论】:
以上是关于从 Pyspark 在 HDFS 中保存文件的主要内容,如果未能解决你的问题,请参考以下文章