在 Spark 中使用 partitionBy 保存 CSV 文件 [重复]

Posted 2023-04-18

【中文标题】在 Spark 中使用 partitionBy 保存 CSV 文件 [重复]

【英文标题】：Saving CSV file with partitionBy in Spark [duplicate]

【发布时间】：2016-02-09 02:40:33

【问题描述】：

我正在尝试将数据框保存为按列分区的 CSV 文件。

val schema = new StructType(
      Array(
        StructField("ID",IntegerType,true),
        StructField("State",StringType,true),
        StructField("Age",IntegerType,true)
      )
)

val df = sqlContext.read.format("com.databricks.spark.csv")
        .options(Map("path" -> filePath).schema(schema).load()

df.write.partitionBy("State").format("com.databricks.spark.csv").save(outputPath)

但是输出没有保存任何分区信息。看起来 partitionBy 被完全忽略了。没有错误。如果我尝试使用镶木地板格式，它会起作用。

df.write.partitionBy("State").parquet(outputPath)

我在这里错过了什么？

【参考方案1】：

partitionBy 支持必须作为给定数据源的一部分来实现，目前 Spark CSV 不支持 (v1.3)。见：https://github.com/databricks/spark-csv/issues/123

【讨论】：

没有关于是否/何时可用的 cmets。在此期间，有什么想法可以有效地编写此应用程序代码吗？

看起来 csv 解析将成为 2.x 中核心 Spark SQL 的一部分...

您能否提供有关此问题的发行说明或博客的链接？想了解更多信息。谢谢！

恐怕我只能看到我在 cmets 中提供的指向***.com/a/35372282/1560062的链接