在 PySpark 中写入数据帧的自定义文件名

Posted 2023-04-15

【中文标题】在 PySpark 中写入数据帧的自定义文件名

【英文标题】：Custom file name to write dataframe in PySpark

【发布时间】：2020-04-24 17:20:25

【问题描述】：

我想写数据帧的记录。记录为 json 格式。所以我需要用我的自定义文件名而不是 part-0000-cfhbhgh.json 将内容写入文件。

【参考方案1】：

我在 scala 中给出答案，但在 python 中，这些也是必不可少的步骤..

 import org.apache.hadoop.fs.FileSystem, Path

  val fs: FileSystem = FileSystem.get(spark.sparkContext.hadoopConfiguration);
  val file = fs.globStatus(new Path("data/jsonexample/part*"))(0).getPath().getName()
  println("file name " + file)
  fs.rename(
    new Path("data/jsonexample/" + file)
    , new Path("data/jsonexample/tsuresh97_json_toberenamed.json"))

---

完整示例：

 import spark.implicits._

  val df = Seq(
    (123, "ITA", 1475600500, 18.0),
    (123, "ITA", 1475600500, 18.0),
    (123, "ITA", 1475600516, 19.0)
  ).toDF("Value", "Country", "Timestamp", "Sum")
  df.coalesce(1)
    .write
    .mode(SaveMode.Overwrite)
    .json("data/jsonexample/")

  import org.apache.hadoop.fs.FileSystem, Path

  val fs: FileSystem = FileSystem.get(spark.sparkContext.hadoopConfiguration);
  val file = fs.globStatus(new Path("data/jsonexample/part*"))(0).getPath().getName()
  println("file name " + file)
  fs.rename(
    new Path("data/jsonexample/" + file)
    , new Path("data/jsonexample/tsuresh97_json_toberenamed.json"))

结果：

json 内容：

"Value":123,"Country":"ITA","Timestamp":1475600500,"Sum":18.0
"Value":123,"Country":"ITA","Timestamp":1475600500,"Sum":18.0
"Value":123,"Country":"ITA","Timestamp":1475600516,"Sum":19.0